MétaCan
Menu
Retour à la cohorte
Enregistrement W2330940521 · doi:10.1115/omae2015-41306

Analysis of Ice Accretion on Vertical Surfaces of Marine Vessels and Structures in Arctic Conditions

2015· article· en· W2330940521 sur OpenAlexaff
Alireza Dehghani-Sanij, Yuri S. Muzychka, G.F. Naterer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésIcingEnvironmental scienceHeat transferSea sprayMaterials scienceMass fluxFlow (mathematics)MechanicsAccretion (finance)Multiphase flowHeat fluxArcticMarine engineeringGeologyMeteorologyOceanographyEngineeringAerosolPhysics

Résumé

récupéré en direct d'OpenAlex

The phenomenon of icing in cold climates is a challenging problem of engineering analysis, which involves heat transfer, phase change and multiphase flow with water droplets. This phenomenon has an important impact on the performance and operation of marine vessels, offshore structures, and others such as wind turbines, power lines, and aircraft surfaces. In this paper, a predictive icing model for large vertical surfaces of a marine vessel is developed theoretically. The total flux of sea-spray, including wave spray and wind spray, is analyzed during the spray process. By using heat, mass and salt concentration balances, the freezing fraction, temperature distribution, ice layer thickness, and liquid film thickness are determined. The results are compared with the numerical and experimental results of other studies. Good agreement between the theoretical predictions and other results demonstrates the improved accuracy of the proposed method over past models.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,155

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 Opus0,017
Tête enseignante GPT0,254
Écart entre enseignants0,236 · 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'étudeObservationnel
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

Citations17
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIcing and De-icing TechnologiesTravaux en français237 207