MétaCan
Menu
Retour à la cohorte
Enregistrement W2559377611 · doi:10.4043/27421-ms

Temperature Distribution during Solidification of Saline and Fresh Water Droplets after Striking a Super-Cooled Surface

2016· article· en· W2559377611 sur OpenAlexafffund
Debashish Saha, S. R. Dehghani, Kevin Pope, Yuri S. Muzychka

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesPetroleum Research Newfoundland and Labrador
Mots-clésSupercoolingSplashEnvironmental scienceSaline waterSeawaterIcingFresh waterArcticMaterials scienceSalinityGeologyMeteorologyOceanographyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents an experimental investigation of the freezing process of fresh and saline water droplets impacted upon a supercooled surface. Freshwater solidification is a common and highly investigated phenomenon due to its application in the aircraft industry and power transmission lines. The freezing behavior of salt water, mostly encountered in marine vessels and offshore structures, is very complicated compared to fresh water due to the salt content. A comparative effort to analyze the difference and similarity between these two diverse forms are rare due to its application in contrasting industries. The present study correlates the differing ice accretion behaviors of salt and fresh water. The experiments involve the measurement of thermal distribution and physical spreading of fresh and saline water droplets as they strike and solidify on a super-cooled surface. The results show that presence of salt content in water affects the cooling time, splash area and cooling pattern for droplets. The new experimental data provides new insights on the fundamentals of sea water icing and is key to predicting marine icing in offshore arctic and sub-arctic environments.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0030,000

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 Opus0,005
Tête enseignante GPT0,179
Écart entre enseignants0,175 · 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'étudeExpérimental (laboratoire)
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 sujetIcing and De-icing TechnologiesTravaux en français237 207