MétaCan
Menu
Retour à la cohorte
Enregistrement W2410565284 · doi:10.1038/srep19167

Fractal density and singularity analysis of heat flow over ocean ridges

2016· article· en· W2410565284 sur OpenAlexaff
C QIUMING

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésFractalSingularityGeologyFlow (mathematics)Heat flowStatistical physicsGeometryMechanicsMeteorologyPhysicsMathematicsMathematical analysisThermal

Résumé

récupéré en direct d'OpenAlex

Peak heat flow occurs at mid-ocean ridges and decreases with the age of the oceanic lithosphere. Several plate models, including the Parsons and Sclater (PSM) model, Global Depth and Heat (GDH1) model and Constant Heat flow Applied on the Bottom Lithospheric Isotherm (CHABLIS) model, have been used to predict heat flow in the ocean lithosphere. The discrepancy between the predicted and measured heat flow in the younger lithosphere (i.e. younger than 55 Myr) influenced by local hydrothermal circulation has been used to estimate hydrothermal heat flux and investigate hydrothermal processes. We can modify the cooling models by substituting the ordinary mass density of lithosphere by fractal density with singularity. This new model provides a modified solution to fit the observed heat flow data used in other models in the literature throughout the age range. This model significantly improves the results for prediction of heat flow that were obtained using the PSM, GDH1 and CHABLIS models. Furthermore, the heat flow model does not exhibit special characteristics around any particular age of lithosphere. This raises a fundamental question about the existence of a "sealing" age and accordingly the hydrothermal flux estimation based on the cooling 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 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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
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 Opus0,009
Tête enseignante GPT0,219
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

Citations47
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGeochemistry and Geologic MappingTravaux en français237 207