MétaCan
Menu
Retour à la cohorte
Enregistrement W2557392070 · doi:10.4043/27356-ms

Improved Added Mass Modeling for Ship-Ice Interactions Based on Numerical Results and Analytical Models

2016· article· en· W2557392070 sur OpenAlexaff
Yujian Huang, Wei Qiu, Freeman Ralph, Mark Fuglem

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensMemorial University of NewfoundlandCentre For Cold Ocean Resources Engineering
Organismes subventionnairesnon disponible
Mots-clésAdded massNumerical modelsMechanicsWork (physics)Function (biology)Marine engineeringComputer simulationEnvironmental scienceGeologyEngineeringMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Global ice loads at different locations on a ship during rams into ice are a function of ship motions and added mass in addition to the failure mode and strength of the ice. In the literature, various analytical added mass models have been used for ship-ice interactions, which could lead to significant differences in the prediction of global ice loads on ships. In this work, an improved added mass model has been developed based on numerical results and existing analytical models. Added mass coefficients of three ice-going ships, CCGS Amundsen, CCGS Louis S. St-Laurent and MVArctic, were estimated using four analytical added mass models. It was found that the differences in added mass coefficients predicted by these models are significant and enhancements can be made. A body-exact numerical simulation tool based on the potential-flow theory, MAPS0, has been used to compute the added mass coefficients of the three vessels in the frequency domain and the results were used for the development of the improved added mass model. The improvement in the load predictions has been demonstrated by applying the new added mass model to the three vessels.

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: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,032
Tête enseignante GPT0,247
Écart entre enseignants0,215 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic Technology ConferenceMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207