MétaCan
Menu
Retour à la cohorte
Enregistrement W3123911411 · doi:10.3390/jmse9020126

Microbubbles as Proxies for Oil Spill Delineation in Field Tests

2021· article· en· W3123911411 sur OpenAlexafffund
Yaomei Wang, Worakanok Thanyamanta, Craig Bulger, Neil Bose, Jimin Hwang

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésBubbleEnvironmental scienceUnderwaterMicrobubblesPlumeSonarResidence time (fluid dynamics)Petroleum engineeringMarine engineeringGeologyMeteorologyAcousticsOceanographyMechanicsGeotechnical engineeringUltrasoundEngineering

Résumé

récupéré en direct d'OpenAlex

To overcome the environmental impacts of releasing oil into the ocean for testing acoustic methods in field experiments using autonomous underwater vehicles (AUVs), environmentally friendly gas bubble plumes with low rise velocities are proposed in this research to be used as proxies for oil. An experiment was conducted to test the performance of a centrifugal-type microbubble generator in generating microbubble plumes and their practicability to be used in field experiments. Sizes of bubbles were measured with a Laser In-Situ Scattering and Transmissometry sensor. Residence time of bubble plumes was estimated by using a Ping360 sonar. Results from the experiment showed that a larger number of small bubbles were found in deeper water as larger bubbles rose quickly to the surface without staying in the water column. The residence time of the generated bubble plumes at the depth of 0.5 m was estimated to be over 5 min. The microbubble generator is planned to be applied in future field experiments, as it is effective in producing relatively long-endurance plumes that can be used as potential proxies for oil plumes in field trials of AUVs for delineating oil spills.

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)0,001
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 enseignants0,415
Score d'incertitude au seuil0,143

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetOil Spill Detection and MitigationTravaux en français237 207