MétaCan
Menu
Retour à la cohorte
Enregistrement W2558260331 · doi:10.4043/27430-ms

Ice Model Tests for Dynamic Positioning Vessel in Managed Ice

2016· article· en· W2558260331 sur OpenAlexafffund
Jungyong Wang, Tanvir Sayeed, David Millan, Robert Gash, Mohammed Islam, James Millan

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensNational Research Council Canada
Organismes subventionnairesAtlantic Canada Opportunities Agency
Mots-clésSea iceHeading (navigation)GeologyIce fieldLead (geology)Sea ice growth processesDrift iceArctic ice packMarine engineeringGeodesyEngineeringClimatologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Stationkeeping in managed ice using dynamic positioning (DP) control system has been an area of great interest over the past few years. The stationkeeping performance of a DP vessel depends on the modelling accuracy of the ice forces, which in turn depends on managed ice field characteristics (floe size, floe thickness, inclusion of brash ice and small ice pieces, ice drift speed and direction) and DP system (gain set-ups). Over the years, many engineers have been using numerical and experimental tools to assess the effect of these parameters. More recently, a comprehensive series of experiments with a 1/40 scaled DP vessel were conducted in various realistic managed ice conditions in the ice tank facility of OCRE-NRC in early 2015. This paper describes the preparation of managed ice field, the procedure of the model tests and the methodologies of data analysis. The physical and mechanical characteristics of the ice field were modelled by controlling ice concentration, ice thickness, floe size, ice strength and ice drift speed/direction. The ice concentration ranged from light condition (6/10th) to very heavy condition (9/10th+) with three different floe sizes (100m, 50m and 25 m). Three different ice thicknesses (0.6m, 1.2m and 2m) were used and three different drift speeds (0.2 kts, 0.5 kts, and 1.2 kts) with various heading angles were tested. Some tests used high strength model ice in order to keep the ice field longer (sometimes for 2nd day). Some tests used properly scaled model ice (700 kPa of flexural strength in full scale) in order to simulate ice failure appropriately. Ice loads were not directly measured but estimated based on the thrusters’ response. Video analysis is introduced and some observations are described. Test results for a few cases are presented as an example.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,219 · 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

Citations10
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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