MétaCan
Menu
Retour à la cohorte
Enregistrement W2570256259 · doi:10.3390/su9010070

Experimental Measurement of Wave Field Variations around Wave Energy Converter Arrays

2017· article· en· W2570256259 sur OpenAlexfundno aff
Louise O’Boyle, Björn Elsäßer, Trevor Whittaker

Notice bibliographique

RevueSustainability · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWave and Wind Energy Systems
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésOscillating Water ColumnEnergy (signal processing)AcousticsWave energy converterField (mathematics)Environmental scienceSurface waveWave powerPower (physics)PhysicsOpticsMathematics

Résumé

récupéré en direct d'OpenAlex

Wave energy converters (WECs) inherently extract energy from incident waves. For wave energy to become a significant power provider in the future, large farms of WECs will be required. This scale of energy extraction will increase the potential for changes in the local wave field and coastal environment. Assessment of these effects is necessary to inform decisions on the layout of wave farms for optimum power output and minimum environmental impact, as well as on potential site selection. An experimental campaign to map, at high resolution, the wave field variation around arrays of 5 oscillating water column WECs and a methodology for extracting scattered and radiated waves is presented. The results highlight the importance of accounting for the full extent of the WEC behavior when assessing impacts on the wave field. The effect of radiated waves on the wave field is not immediately apparent when considering changes to the entire wave spectrum, nor when observing changes in wave climate due to scattered and radiated waves superimposed together. The results show that radiated waves may account for up to 50% of the effects on wave climate in the near field in particular operating conditions.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
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 ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,235
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetWave and Wind Energy SystemsTravaux en français237 207