MétaCan
Menu
Retour à la cohorte
Enregistrement W2191810421 · doi:10.1115/omae2015-41886

Numerical Simulation of Ice Ridge Gouging

2015· article· en· W2191810421 sur OpenAlexaff
Lei Liu, Eleanor Bailey, Robert Sarracino, Rocky Taylor, Colin Power, Christopher Stanbridge

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensMemorial University of NewfoundlandCentre For Cold Ocean Resources Engineering
Organismes subventionnairesnon disponible
Mots-clésKeelSeabedGeologySea iceRidgeComputer simulationGeotechnical engineeringSubseaShear (geology)Structural engineeringMarine engineeringMechanicsEngineeringOceanographySimulationPetrology

Résumé

récupéré en direct d'OpenAlex

In coastal regions throughout the Arctic, the seabed is frequently scoured or gouged by sea ice ridges and icebergs. This presents an environmental hazard to pipelines or subsea infrastructures operating in the area and therefore a greater understanding of these processes is needed. This paper describes a three dimensional (3D), numerical model that was developed to simulate the failure behavior of a ridge keel as it interacts with the seabed. The simulation was conducted in Yade, an open-source code, which uses the Discrete Element Method (DEM) to model particle motions. The ice blocks in the ridge keel are modeled as spheres, which are initially bonded to contacting blocks via freeze-bonds. A Cohesive Frictional Model (CFM) which has cohesive bonds in tension and shear was used to simulate the freeze-bonds between ice blocks. In addition to normal and shear bonds, the model features springs which resist compression, shear, bending and torsion. Once the bonds are broken the material is assumed to behave like a Mohr-Coulomb material with a constant friction angle. Since the main focus of this paper is the failure behavior of the keel, the seabed is simplified as being rigid. Numerical simulation is compared with data collected from the Pipeline Ice risk Assessment and Mitigation (PIRAM) test program.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,231
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOffshore Engineering and TechnologiesTravaux en français237 207