MétaCan
Menu
Retour à la cohorte
Enregistrement W2478650781 · doi:10.1061/(asce)hy.1943-7900.0001199

Nonintrusive Spatiotemporal <i>Smart Debris</i> Tracking in Turbulent Flows with Application to Debris-Laden Tsunami Inundation

2016· article· en· W2478650781 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Hydraulic Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEarthquake and Tsunami Effects
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDebrisContext (archaeology)Inertial measurement unitFlood mythMarine engineeringMatch movingGeologyComputer scienceEnvironmental scienceEngineeringMotion (physics)GeographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Flood disasters such as dam breaks and surges from extreme hurricanes or tsunamis entrain and transport substantial amounts of submerged or floating debris. Understanding of motion and spatiotemporal distribution of debris entrained by a flood is thus of great importance to hydraulic, coastal, and structural engineers; the displacement of debris to a location where it may eventually impact critical infrastructure requires scientific attention at the laboratory scale first. In this context, the design and application of a novel smart debris system utilizing off-the-shelf components is presented and discussed. The system tracks the spatial location and orientation of a multitude of debris specimens and it proposes an accurate tool to assess their individual trajectory, velocity, and momentum in a laboratory environment. Contrary to the traditional camera-based approach of video tracking, which often fails once objects are submerged, the proposed smart debris system delivers six-degree-of-freedom (6DOF) data in a reliable, timely manner. Miniaturized inertial measurement units (IMU), commonly called motion sensors, which are used for attitude heading reference systems are deployed to output time series of spatial orientation along with filtered 3D acceleration readings. A Bluetooth low-energy (BLE) tracking system is applied along with the motion sensor to track the 3D debris positions. A detailed investigation in controlled laboratory conditions reveals the detailed individual performance of the tested spatial orientations and positions. As an application, debris transport tests were conducted in a newly built tsunami wave basin at Waseda University in Tokyo, Japan. For this test series, a typical harbor layout with a vertical quay wall adjacent to a horizontal container-stacking platform was constructed. The advection by a broken tsunamilike bore of multiple down-scaled shipping containers in basic arrangements was then tracked from their initial position. The performance of the innovative smart debris system is qualitatively tested in order to provide guidance for their future application in hydraulic and coastal engineering as well as to provide a solid basis for its application in field studies.

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.

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 enseignants0,345
Score d'incertitude au seuil0,721

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 savante0,0000,001
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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,194 · 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