MétaCan
Menu
Retour à la cohorte
Enregistrement W2887315027 · doi:10.1520/gtj20160306

Field Permeability Tests: Importance of Calibration and Synchronous Monitoring for Barometric Pressure Sensors

2018· article· en· W2887315027 sur OpenAlexaff
Lu Zhang, Robert P. Chapuis, Vahid Marefat

Notice bibliographique

RevueGeotechnical Testing Journal · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésCalibrationPressure sensorSlug testOffset (computer science)TransducerEnvironmental scienceHydraulic headGeotechnical engineeringWater levelAquiferPressure headPermeability (electromagnetism)Head (geology)Hydrostatic testAcousticsRemote sensingGeologyEngineeringComputer scienceGroundwaterElectrical engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Pressure transducers (PTs) and an atmospheric pressure transducer (APT) were used to register test data during two types of permeability tests, which were performed in 14 wells monitoring a confined aquifer installed in the lab, and a field rising-head test in clay. The constant-head tests were performed using a peristaltic pump and thus functioned as constant flow rate tests until stabilization of the water level in the well riser pipe. The rising-head tests were started by the sudden removal of a slug of water. This article presents, first, the method used to calibrate the transducers to assess their systematic calibration error (offset) values. Then, it quantifies the influence of synchronized monitoring for the (PT-APT) pair on short- and long-term test data, which had never been done before. The results indicate that the pair calibration cannot be neglected and that the synchronized monitoring is important for all tests, except maybe for a short-duration variable-head test. For most tests, however, the barometric fluctuation with time plays a significant role.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,271
Écart entre enseignants0,244 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeotechnical Testing JournalMême sujetGroundwater flow and contamination studiesTravaux en français237 207