MétaCan
Menu
Retour à la cohorte
Enregistrement W3090166568 · doi:10.1016/j.heliyon.2020.e05147

Sequential estimation of the generated curing heat of composite materials by data assimilation: A numerical study

2020· article· en· W3090166568 sur OpenAlexfundno aff
Ryota Yokoyama, Ryosuke Matsuzaki, Tadahiro Kobara, Kentaro Takahashi

Notice bibliographique

RevueHeliyon · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensnon disponible
Organismes subventionnairesJapan Science and Technology AgencySwine Innovation Porc
Mots-clésCuring (chemistry)Materials scienceComposite numberData assimilationComposite materialKalman filterAssimilation (phonology)MathematicsStatisticsMeteorology

Résumé

récupéré en direct d'OpenAlex

The models and parameters related to the generated curing heat in the molding simulation of composite materials are dependent on the type of resin used and the experimental conditions. Therefore, in this study, we estimated the generated curing heat that changes with time by a data assimilation method, which combines the observation values with simulation values, so that the heat curing simulation of carbon fiber reinforced polymers (CFRPs) becomes closer to the experimental conditions. In the data assimilation method, the temperature distribution on the surface of the composite material was used as an observation value, and the generated curing heat was estimated using an ensemble Kalman filter. By optimizing the data assimilation parameters in advance using the response surface method and estimating the generated curing heat by numerical experiments, the generated curing heat could be estimated with an accuracy represented by the time mean error of less than 6%.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,287

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 Opus0,039
Tête enseignante GPT0,270
Écart entre enseignants0,231 · 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'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetWind and Air Flow StudiesTravaux en français237 207