MétaCan
Menu
Retour à la cohorte
Enregistrement W2891834028 · doi:10.1051/e3sconf/20184003021

Scouring due to submerged sills

2018· article· en· W2891834028 sur OpenAlexafffund
Ashley Dudill, Jose A. Vasquez, D. G. McLean

Notice bibliographique

RevueE3S Web of Conferences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMitacs
Mots-clésSillRiprapFlumeGeologyFlow (mathematics)Channel (broadcasting)Geotechnical engineeringOpen-channel flowSedimentRange (aeronautics)Hydrology (agriculture)MechanicsEngineeringGeomorphologyPetrology

Résumé

récupéré en direct d'OpenAlex

As the construction of infrastructure in and around a river channel modifies the flow and sediment transport characteristics, prediction of scour depths is an integral part of engineering design. Whilst there are a substantial number of predictive equations available to estimate the scour resulting from bridge piers, other types of structures have been less examined. This paper reports on flume experiments and numerical modelling to examine the role of submerged sills in the development of scour. Sills can be utilised in a channel to control bed stability, influence mixing dynamics or dictate water levels. Additionally, sills can occur due to infrastructure including riprap-covered pipeline crossings. The majority of previous work on sills has been undertaken on unsubmerged or partially submerged sills. The only experimental work on submerged sills is restricted to a range of conditions not applicable to pipeline crossings in large sand-bed rivers. This paper presents experiments, using artificial light-weight sediment (crushed walnut shell), undertaken with a fixed flow depth but a range of velocities and sill heights, all of which are in the surface flow regime. Hydrodynamic numerical simulations were run for the same conditions to gain insight into the corresponding flow structure.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

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)0,0160,001

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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,223 · 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.

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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207