A Review and Evaluation of Predictive Models for Thermal Conductivity of Sands at Full Water Content Range
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The effective thermal conductivity (λeff) of sands is a critical parameter required by applications in geothermal energy resources, geo-technique and geo-environment and in science disciplines. However, the availability of the reliable λeff data is not sufficient and predictive models are usually used in practice to estimate λeff. These predictive models may vary in complexity, flexibility, accuracy and applications. There is no universal model that can be applied to all soil types and full water content range. The choice of different models may result in distinctive estimates of λeff. The objectives of this study were to conduct an extensive review of the thermal conductivity models of sands and evaluate their performance with a large dataset consisting of various sand types from dry to saturation. A total of 14 models to predict λeff of sands were evaluated with a large compiled dataset consisting of 1025 measurements on 62 sands from 20 studies. The results show that the models of Chen 2008 (CS2008) and Zhang et al. 2016 (ZN2016) give the best estimates of thermal conductivity of sands, with Nash–Sutcliffe efficiency = 0.9 and RMSE = 0.3 W m−1 °C−1. These two models are potentially applied to accurately estimate thermal conductivity of sands of different types.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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