MétaCan
Menu
Retour à la cohorte
Enregistrement W2892521800 · doi:10.1115/omae2018-78258

Risks to Marine Pipelines From Drifting Ice: Gathering the Evidence

2018· article· en· W2892521800 sur OpenAlexaffabout
Paul Barrette, David McGonigal, Kenton Pike

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésSeabedKeelPipeline transportPipeline (software)GeologyMarine engineeringSea iceFeature (linguistics)Seabed gouging by iceScale (ratio)OceanographyDrift iceEnvironmental scienceComputer scienceArctic ice packEngineeringGeographyCartography

Résumé

récupéré en direct d'OpenAlex

Marine pipelines in ice-prone waters are exposed to a number of environmental threats that do not exist in warmer waters. Of particular concern is the damage from ice features such as pressure ridges that drift into shallow areas. The ice keel comes in contact with the seabed and, as the ice feature keeps drifting, it may gouge the seabed to some depth and for considerable distances. Trenching and burial are seen as the best means of protecting these structures, but adequate depth relies on adequate knowledge of these events. This is obtained in various ways. Actual, real-scale events provide valuable information. Seabed mapping allows an appreciation of gouging activity in the target sector. Physical experiments can generate a nearly complete picture of these events, and can be used to validate numerical models. A description is presented of an abandoned marine pipeline in Northern Canada, which represents a rare test case scenario. Plans to conduct field investigations on that pipeline are being considered.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil0,410

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)0,0000,000

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 Opus0,044
Tête enseignante GPT0,272
Écart entre enseignants0,227 · 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'étudeAutre devis
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 sujetOffshore Engineering and TechnologiesTravaux en français237 207