MétaCan
Menu
Retour à la cohorte
Enregistrement W3113160741 · doi:10.3390/s20247204

A Velocity Meter for Quantifying Advection Velocity Vectors in Large Water Bodies

2020· article· en· W3113160741 sur OpenAlexafffundabout
Farzam Allafchi, Caterina Valeo, Angus Chu, Jianxun He, Waltfred Lee, Peter Oshkai, Norman F. Neumann

Notice bibliographique

RevueSensors · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFlow Measurement and Analysis
Établissements canadiensUniversity of AlbertaUniversity of CalgaryUniversity of Victoria
Organismes subventionnairesAlberta Innovates
Mots-clésFlumeParticle image velocimetryMetreFlow measurementAdvectionFlow velocityVelocimetryCalibrationDoppler effectCurrent meterUltrasonic flow meterFlow (mathematics)Range (aeronautics)GeodesyParticle velocityFlow visualizationRemote sensingEnvironmental scienceGeologyOpticsAcousticsPhysicsMeteorologyMaterials scienceMechanicsMathematicsStatisticsTurbulence

Résumé

récupéré en direct d'OpenAlex

A velocity meter was designed and built in order to meet market needs for an affordable instrument that measures the range of velocity magnitudes and direction experienced in medium- to large-sized water bodies. The velocity meter consists of a graduated plate with an injector protruding from the center and a camera held downward above the plate. Once the Dye Injection Velocity (DIV) meter is in the flow, dye is injected and the camera records the dye fluid transport. The recorded video is analyzed to determine the local flow velocity and direction. The DIV was calibrated for a range of velocities between 0.0094 m/s and 0.1566 m/s using particle image velocimetry (PIV) in a flow visualization flume. The accuracy of the instrument was found to be +6.3% and −9.8% of full scale. The coefficient of determination of the calibration curve was equal to 98%. Once calibrated, the DIV was deployed to the Inverness Stormwater pond in Calgary, Canada, for validation tests against an Acoustic Doppler Velocity (ADV) meter. During the validation tests, both flow velocity magnitude and direction were measured at several spatial points. The velocity magnitude results showed good agreement and the Mann-Whitney test showed no statistically significant difference (p-value > 0.05). At two spatial points, the differences between direction data were significant, which could be caused by the random errors involved in the validation test. However, the averaged data showed good agreement.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,052
Tête enseignante GPT0,247
Écart entre enseignants0,195 · 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

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetFlow Measurement and AnalysisTravaux en français237 207