MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281846721 · doi:10.1002/essoar.10510379.2

Influence of pore fluid on grain-scale interactions and mobility of granular flows of differing volume

2022· preprint· en· W4281846721 sur OpenAlexafffund
Alexander Taylor-Noonan, Elisabeth T. Bowman, Brian W. McArdell, Roland Kaitna, Jim McElwaine, W. Andy Take

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLeverhulme Trust
Mots-clésWorld Wide WebScale (ratio)PreprintElectronic mailComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

The presence of a pore fluid is recognized to significantly increase the mobility of saturated over dry granular flows. However, experimental studies in which both the bulk-scale (runout) and grain-scale behaviour of identical granular material in a dry and saturated initial state are directly compared are rare. Further, the mechanisms through which pore fluid increases mobility may not be captured in experimental flows of small volume typical of laboratory conditions. Here we present the results of dry and initially fluid saturated or ‘wet’ experimental flows in a large laboratory flume for five source volumes of 0.2 to cubic metre. Our results demonstrate that the striking differences in the nature of interactions at the particle scale between wet and dry flows can be directly linked to macro-scale behaviour: in particular, a greatly increased mobility for wet granular flows compared to dry, and a significant influence of scale as controlled by source volume. This dataset provides valuable test scenarios to explore the fundamental mechanisms through which the presence of a pore fluid increases flow mobility by first constraining the frictional properties of the material (dry experiments), permitting an independent evaluation of the implementation of interstitial fluid effects in numerical runout models (wet experiments).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,006
Tête enseignante GPT0,225
Écart entre enseignants0,219 · 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'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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetLandslides and related hazards→Travaux en français237 207→