MétaCan
Menu
Retour à la cohorte
Enregistrement W3177386608 · doi:10.3390/w13131844

Velocity Field and Turbulence Structure around Spur Dikes with Different Angles of Orientation under Ice Covered Flow Conditions

2021· article· en· W3177386608 sur OpenAlexaff
Rahim Jafari, Jueyi Sui

Notice bibliographique

RevueWater · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésDikeTurbulenceGeologySpurTurbulence kinetic energyFlow (mathematics)Surface finishReynolds stressOrientation (vector space)Flow velocityMechanicsGeometryGeotechnical engineeringMaterials sciencePetrologyPhysics

Résumé

récupéré en direct d'OpenAlex

Spur dikes are well-known structures that are widely used in rivers and coastal regions. Depending on their types, sizes, and orientation angles, spur dikes can substantially change flow characteristics. Results of previous studies indicate that the presence of an ice cover in rivers can cause complicated flow structures. The present experimental study investigates velocity fields and turbulence structures in the vicinity of spur dikes under ice cover with different roughness coefficients. The spur dikes were set up at the following three angles of orientation, 90°, 60°, and 45°. Our results show that the strongest velocity fluctuation occurs immediately above the scour hole surface and very close to the dike tip. The increase in the dike angle toward upstream, the velocity component values increase, leads to a larger scour hole. Results show that an increase in dike angle of each 10° (from 45° to 90°) increases the scour depth between 5% and 10%, depending on flow conditions. Furthermore, the increase in the cover roughness coefficient and the blockage ratio of a spur dike leads to a further increase in turbulence kinetic energy and 3D velocity components values. The findings of this study imply that the appearance of an ice cover can increase turbulence intensities up to nearly 30%.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,394
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,006
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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.

Devis d'étudeObservationnel
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

Citations43
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207