MétaCan
Menu
Retour à la cohorte
Enregistrement W2765406243 · doi:10.1088/1742-6596/916/1/012021

The Study on Flow Velocity Measurement of Antarctic Krill Trawl Model Experiment in North Bay of South China Sea

2017· article· en· W2765406243 sur OpenAlexaboutno aff
Shuai Chen, Lumin Wang, Hongliang Huang, Xun Zhang

Notice bibliographique

RevueJournal of Physics Conference Series · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKrillBayCurrent meterMarine engineeringEnvironmental scienceFlow (mathematics)Flow measurementMetreOceanographyUltrasonic flow meterFlow velocityChina seaVolumetric flow rateMeteorologyGeologyGeodesyGeographyEngineeringPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

From August 25 to 29, 2014, the project team carried out the experiment of Antarctic krill trawl in the Beihai Bay of the South China Sea. In order to understand the flow field of the network model in the course of the experiment, it is necessary to record the speed of the ship and to grasp the flow field of the ocean. Therefore, the ocean velocity is measured during the experiment. The flow rate in this experiment was measured using an acoustic Doppler flow meter (Vectoring Plus, Nortek, Norway). In order to compensate for the flow rate error caused by ship drift, the drift condition of the ship was also measured by the positioning device (Snapdragon MSM8274AB, Qualcomm, USA) used in the flow rate measurement. The results show that the actual velocity of the target sea area is in the range of 0.06-0.49 m / s and the direction is 216.17-351.70. And compared with the previous research, the influencing factors were analysed. This study proves that it is feasible to use point Doppler flow meter for velocity study in trawl model experiment.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,046
Tête enseignante GPT0,270
Écart entre enseignants0,224 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207