MétaCan
Menu
Retour à la cohorte
Enregistrement W4206460984 · doi:10.14796/jwmm.c479

Multiphase Rapid Filling Conditions of Tunnel System in Columbus, Ohio

2022· article· en· W4206460984 sur OpenAlexvenueno aff
José G. Vasconcelos, Hazem Gheith, Robson Leo Pachaly, Mohamed Abdellatif, R. W. Herr

Notice bibliographique

RevueJournal of Water Management Modeling · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic flow and structures
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInflowEnvironmental scienceMarine engineeringVentilation (architecture)Combined sewerSurgeEngineeringCivil engineeringMeteorologySurface runoffMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The City of Columbus, Ohio is implementing a tunnel system to reduce the number of episodes of combined sewer overflows into the Scioto River. The tunnel systems provide relief to the existing Olentangy Scioto Interceptor Sewer. Two new tunnels being implemented are the OSIS Augmentation and Relief Sewer (OARS), in service since July 2017, and the Lower Olentangy Tunnel (LOT) that is planned to be in service in 2025. The performance of these tunnels in respect to high inflow conditions was investigated with the use of the HAST mixed flow model and the OpenFOAM CFD model to determine the magnitude of surges, the possibility of air pocket entrapment, air–water surging, and the consequences of uncontrolled air pocket releases through shafts. Inflows into the systems were obtained from a calibrated collection system SWMM model. Modeling results quantified surging in the tunnel dropshafts and their mitigation from built-in surge control chambers. HAST simulations also pointed to locations where air pockets could form. These results were used in OpenFOAM to determine the effects of uncontrolled air release through the shaft that links the two tunnels. It was shown that proper ventilation at the shaft will mitigate the growth of air phase pressure to damaging levels.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,358

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,200
Écart entre enseignants0,189 · 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'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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetHydraulic flow and structuresTravaux en français237 207