MétaCan
Menu
Retour à la cohorte
Enregistrement W3189083225 · doi:10.2478/johh-2021-0014

Local scour around a bridge pier under ice-jammed flow condition – an experimental study

2021· article· en· W3189083225 sur OpenAlexaff
Jun Wang, Zhixing Hou, Hongjian Sun, Jueyi Sui, Bryan Karney

Notice bibliographique

RevueJournal of Hydrology and Hydromechanics · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of TorontoUniversity of Northern British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPierFroude numberGeologyGeotechnical engineeringBridge scourFlow (mathematics)Dimensionless quantityFlow velocityMechanicsEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The appearance of an ice jam in a river crucially distorts local hydrodynamic conditions including water level, flow velocity, riverbed form and local scour processes. Laboratory experiments are used for the first time here to study ice-induced scour processes near a bridge pier. Results show that with an ice sheet cover the scour hole depth around a bridge is increased by about 10% compared to under equivalent open flow conditions. More dramatically, ice-jammed flows induce both greater scour depths and scour variability, with the maximum scour depth under an ice-jammed flow as much as 200% greater than under equivalent open flow conditions. Under an ice-jammed condition, both the maximum depth and length of scour holes around a bridge pier increase with the flow velocity while the maximum scour hole depth increases with ice-jam thickness. Also, quite naturally, the height of the resulting deposition dune downstream of a scour hole responds to flow velocity and ice jam thickness. Using the laboratory data under ice-jammed conditions, predictive relationships are derived between the flow’s Froude number and both the dimensionless maximum scour depth and the dimensionless maximum scour length.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrology and HydromechanicsMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207