MétaCan
Menu
Retour à la cohorte
Enregistrement W3099631103 · doi:10.5194/egusphere-egu2020-20697

Internal hydraulics of surface buoyant jets with high aspect ratio

2020· article· en· W3099631103 sur OpenAlexaff
Adam J. K. Yang, Gregory A. Lawrence

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoastal and Marine Dynamics
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésEntrainment (biomusicology)Jet (fluid)HydraulicsLift (data mining)MechanicsMixing (physics)GeologyBayBoundary layerOceanographyPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Surface buoyant jets are commonly found in natural and engineered environments. Typical examples are rivers entering into the ocean, and wastewater discharges into water courses. The surface buoyant jet structure depends on the source properties, geometry and mixing processes. Predicting the mixing and spreading is the key challenge. Recent studies based on layered models have investigated the entrainment rate and spreading rate. However, frictional effects are also important in determining the thickness of the buoyant jet and its lateral spreading. We will address the effects of entrainment, spreading and friction. We investigate the surface buoyant jet over a sloping bottom through internal hydraulic theory and field measurements of a river flow into the ocean. In the nearshore zone, the river flow is attached on sea bottom due to the Coanda effect. With a decrease of momentum and thickening, the buoyant jet starts to lift off. At the detachment point, the buoyant jet is critical and the isopycnals are perpendicular to the bottom. We focus on large aspect ratios (river width to the depth) and predict layer thickness, entrainment, lateral spreading and interfacial friction. Comparisons are made with field measurements in Koombana Bay, Western Australia.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,175
Écart entre enseignants0,166 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCoastal and Marine DynamicsTravaux en français237 207