MétaCan
Menu
Retour à la cohorte
Enregistrement W4254124116 · doi:10.1520/stp154120120010

Heat Flux Measurements and Their Uncertainty in a Large-Scale Fire Test

2012· book-chapter· en· W4254124116 sur OpenAlexaff
Cecilia S. Lam, Elizabeth J. Weckman

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceHeat fluxScale (ratio)Atmospheric sciencesGeologyMechanicsGeographyHeat transferPhysicsCartography

Résumé

récupéré en direct d'OpenAlex

Heat flux data from a series of controlled experiments involving a 2 m diameter, wind-blown pool fire are examined to highlight the difficulties involved in conducting heat flux measurements in a realistic, large-scale, hydrocarbon-fueled fire. Data were taken at several locations along the ground near the fire. At each location, three different heat flux sensors were positioned together: a Gardon gage, a directional flame thermometer (DFT) and a Sandia heat flux gage (HFG). Methods were first developed to correct measured values of heat flux for the slight differences in gage location relative to the fire. The remaining discrepancies between the values of heat flux measured by the different gages were then used to highlight uncertainties in heat flux measurements due to differences in gage surface temperature, in gage thermal response to the inherent modes of heating involved in the large hydrocarbon fire environment, and in conduction losses from the gage sensor plates. The importance of these sources of discrepancy varied depending on the magnitude of the measured heat flux and on whether the gages were located in a radiation-dominated or mixed radiative-convective environment within the fire.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,218
Écart entre enseignants0,186 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCalibration and Measurement TechniquesTravaux en français237 207