MétaCan
Menu
Retour à la cohorte
Enregistrement W2076726851 · doi:10.1080/23248378.2013.878295

Aerodynamic prediction tools for high-speed trains

2014· article· en· W2076726851 sur OpenAlexaff
Astrid H. Herbst, Tomas W. Muld, Gunilla Efraimsson

Notice bibliographique

RevueInternational Journal of Rail Transportation · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensBombardier (Canada)
Organismes subventionnairesTrafikverketTechnische Universität BerlinNational Science Council
Mots-clésTrainAerodynamicsComputer scienceDeckAerodynamic dragDragSimulationFlow (mathematics)Aerospace engineeringAutomotive engineeringEngineeringStructural engineeringMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

With high-speed trains, the need for efficient and accurate aerodynamic prediction tools increases, since the influence of the aerodynamics on the overall train performance raises. New requirements on slipstream velocities and head pressure pulse in the revised Technical Specification for Interoperability (TSI) for train speeds higher than 190 km/h are more challenging to fulfil for wide-body trains, like the Green train concept vehicle Regina 250, as well as higher trains, like double-deck trains. In this paper, we give an overview of the results from a project within the Green train programme, where the objective was to increase the knowledge on slipstream air flow of wide body trains at high speeds, to understand the implications of the new requirements on the front shape and to develop a prediction methodology in order to take this into account early in the design cycle. In addition, the front design was in parallel optimized with respect to head pressure pulse and drag.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Rail TransportationMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207