MétaCan
Menu
Retour à la cohorte
Enregistrement W2738747060 · doi:10.1615/heattransres.2017019594

HEAT TRANSFER OF IMPINGING SEAWATER SPRAY AND ICE ACCUMULATION ON MARINE VESSEL SURFACES

2017· article· en· W2738747060 sur OpenAlexaff
Alireza Dehghani-Sanij, G.F. Naterer, Yuri S. Muzychka

Notice bibliographique

RevueHeat Transfer Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSea ice growth processesIcingThermal conductionHeat transferBrineMaterials scienceSeawaterSalinityHeat fluxThermal conductivityEnvironmental scienceSea ice thicknessSea iceMechanicsGeologyAtmospheric sciencesThermodynamicsArctic ice packComposite materialOceanography

Résumé

récupéré en direct d'OpenAlex

In this paper, a new predictive model for the ice layer and water film growth, which occurs due to seawater spray impinging on large horizontal surfaces of a supply vessel, is developed using a Stefan-type problem formulation. The icing model includes conduction heat transfer in the ice and brine film layer, assuming the volume and distribution of brine pockets and air bubbles within the ice accumulation are uniform. The model also uses heat and mass balances to predict the freezing fraction, temperature distribution, ice layer and water film thickness. The results show that the water film salinity and icing intensity change with time during the icing period. Additionally, the water film salinity variations affect the freezing temperature, thermal conductivity and specific heat capacity of ice formation. As a result, heat conduction within the accumulated ice changes with time due to the variations of salinity; thus, the conduction heat flux has a significant effect on the ice thickness growth rate. This new model is a useful tool for forecasting and assessing the potential ice accumulation on marine vessels and structures.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,050
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,108
Tête enseignante GPT0,362
Écart entre enseignants0,254 · 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 tête enseignante, 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeat Transfer ResearchMême sujetIcing and De-icing TechnologiesTravaux en français237 207