Dimensionless Groups of Parameters Governing the Ice-Seabed Interaction Process
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
Abstract Prediction of subgouge soil deformation during an ice gouging event is a challenging design factor in Arctic subsea pipelines. An accurate assessment of ice keel–seabed interaction requires expensive model testing and large deformation finite element analysis. Proposing reliable analytical/empirical solutions needs a deep understanding of the key parameters governing the problem. In this study, dimensional analysis of subgouge soil deformations was conducted and eight dimensionless groups of parameters were identified to facilitate proposing potential new solutions. A comprehensive dataset was established for horizontal and vertical subgouge deformations in both sand and clay seabed. Using the identified dimensionless groups, linear regression (LR) models were developed to estimate the horizontal and vertical deformation. Moreover, a sensitivity analysis (SA), as well as an uncertainty analysis (UA), was carried out to identify the superior LR models and the most influential parameter group. A high range of correlation coefficient (R), Nash-Sutcliffe efficiency coefficient (NSC), and variance accounted for (VAF) along with a low range of errors was achieved for the best LR model. The results of the superior LR models were also compared with the existing empirical equations. The study showed that the shear strength parameters of the seabed soil and the ratio of gouge depth to gouge width are the governing dimensionless parameters to model the horizontal and vertical subgouge soil deformations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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