MétaCan
Menu
Retour à la cohorte
Enregistrement W2999235517 · doi:10.1061/9780784482506.055

Rigid versus Flexible Pipe Material Surge Response: A Case Study for a Raw Water Pipeline

2019· article· en· W2999235517 sur OpenAlexaff
Balpreet Singh, Djordje Radulj

Notice bibliographique

RevuePipelines 2019 · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensHydraTek (Canada)
Organismes subventionnairesnon disponible
Mots-clésWater hammerSurgePipeline (software)Water pipePipeline transportTransient (computer programming)CanalisationPipeNominal Pipe SizeStructural engineeringHead (geology)Materials scienceEngineeringMechanical engineeringPipingComputer scienceComposite materialGeologyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The fundamental equation of water hammer relates changes in velocity and head primarily through the acoustic wave speed of a pipeline. Elastic or flexible pipe materials (e.g., polyvinyl chloride) tend to have lower wave speeds than more rigid pipe materials (e.g., ductile iron) because the former have a greater ability to store excess water through expansion. One common misconception, however, is that rigid pipe materials will always produce a worse hydraulic transient (surge) response than flexible pipe materials. Through a case study involving the design of a 900 mm (36-in) diameter raw water pipeline, this paper presents an example of where the predicted surge performance was worse with flexible pipe material options than with rigid pipe material options. This paper presents an in-depth discussion of the following: modeling and system parameters that gave rise to this finding, predicted vapor cavity formation and collapse in numerical models, and the importance of not preferring one pipe material over another for surge design conditions without first analyzing and comparing their predicted performance.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,001

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 Opus0,017
Tête enseignante GPT0,251
Écart entre enseignants0,234 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePipelines 2019Même sujetWater Systems and OptimizationTravaux en français237 207