MétaCan
Menu
Retour à la cohorte
Enregistrement W2734683950 · doi:10.1002/aic.15864

Oil jet with dispersant: Macro‐scale hydrodynamics and tip streaming

2017· article· en· W2734683950 sur OpenAlexaff
Lin Zhao, Feng Gao, Michel C. Boufadel, Thomas King, Brian Robinson, Kenneth Lee, Robyn N. Conmy

Notice bibliographique

RevueAIChE Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésDispersantUnderwaterPetroleum engineeringPlumeOil dropletOil spillJet (fluid)Environmental scienceJet fuelWork (physics)Scale (ratio)Marine engineeringMechanicsDispersion (optics)GeologyPhysicsAerospace engineeringEngineeringMeteorologyChemical engineeringMechanical engineeringOpticsOceanography

Résumé

récupéré en direct d'OpenAlex

Modeling the movement of oil released underwater is a challenging task due to limitations in measuring the hydrodynamics in an oil‐water system. In this work, we conducted an experiment of horizontal release of oil without and with dispersant. The model VDROP‐J was used and compared to the model JETLAG, a miscible plume trajectory model. Both models were found to reproduce the oil jet hydrodynamics for oil without and with dispersant. The predicted DSD from VDROP‐J matched closely observation for untreated oil. For oil with dispersant, experimental results have shown evidence that tip streaming occurred. For this purpose, a new conceptual module was developed in VDROP‐J to capture the tip streaming phenomenon and an excellent match was achieved with observation. This study is the first to report tip streaming occurring in underwater oil jets, which should have consequences on predicting the DSD when dispersant are used on an underwater oil release. © 2017 American Institute of Chemical Engineers AIChE J , 2017

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 seuil0,005

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)0,0000,000

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 GPT0,192
Écart entre enseignants0,187 · 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

Citations35
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetFluid Dynamics and Heat TransferTravaux en français237 207