MétaCan
Menu
Retour à la cohorte
Enregistrement W2918815230 · doi:10.1139/cjce-2018-0008

The effects of dentate crest and a row of consecutive orifices along and below the crest edge on labyrinth weir efficiency

2019· article· en· W2918815230 sur OpenAlexvenueno aff
Zobeideh Ahmadi, Seyed Asadollah Mohseni Movahed, Javad Mozaffari

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic flow and structures
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeirCrestDischarge coefficientFlumeBody orificeEnhanced Data Rates for GSM EvolutionGeologyGeotechnical engineeringHydrology (agriculture)Flow (mathematics)EngineeringGeometryMathematicsAnatomyPhysicsOpticsBiologyNozzleGeography

Résumé

récupéré en direct d'OpenAlex

A labyrinth weir is one of the most effective ways of increasing weir discharge efficiency compared with a linear overflow structure. In this study, two proposed models of labyrinth weir, one with a dentate crest and another with a row of orifices along and below the crest edge were compared with a simple labyrinth weir, measuring their effects on the discharge coefficient. Experiments on nine labyrinth weir models were conducted in the hydraulic laboratory flume. These experiments indicated that creation of both dentate crest edge and row of consecutive orifices led to an increased discharge coefficient of between 11 to 25.3% and 31.6 to 52.9%, respectively, relative to simple labyrinth weir. By increasing the upstream head water, the discharge coefficient for the labyrinth weir model with dentate crest and the model with a row of consecutive orifices are closer together and eventually will converge.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil0,998

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 Opus0,002
Tête enseignante GPT0,160
Écart entre enseignants0,158 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetHydraulic flow and structuresTravaux en français237 207