OIL COMPOSITION AND PROPERTY DATABASE FOR OIL SPILL MODELING
Notice bibliographique
Résumé
ABSTRACT At the request of the US EPA Oil Program Center, the National Exposure Research Laboratory's Ecosystems Research Division (ERD) in Athens is developing an oil spill model that focuses on fate and transport of oil components under various response scenarios. A database of prototype oils for use in models is necessary. This multiple component composition data, however, is not typically available because of complexity of oil composition and the impossibility of immediate characterization in the event of a spill. Thus the creation of a database containing both physical property and chemical composition data for a number of common oils at various weathering percentages is highly desirable. The data set must be based upon fractionation of the oils into groups of compounds with similar structures and properties and further must reflect the changes to the oil over the course of the spill. Since 1984, the Emergencies Science and Technology Division (ESTD) of Environment Canada (EC) has developed a database on various physical and chemical properties of crude oils and petroleum products. Through many years endeavour, the database now contains information of hundreds of oils from all over the world. In 2002, funded by the US EPA and EC, the ESTD and ERD completed the cooperative project “Development of a Composition Database for Selected Multicomponent Oils,” to characterize ten prototype crude oils and refined petroleum products. The present work, Oil Composition and Property Database for Oil Spill Modeling, is a logical extension of the 2002 project. Nine new crude oils in common use and with potential to be spilled in the US waters were selected for inclusion in the model database. Comprehensive physical property measurement and chemical composition characterization have been performed for these oils at four weathered stages of each oil. This project provides the most complete and comprehensive database for the selected oils to date. The new composition data has been integrated into the existing US EPA and EC oil properties database. The results are made available to the public on the world wide web.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».