MétaCan
Menu
Retour à la cohorte
Enregistrement W4300051766 · doi:10.5957/icetech-2006-106

Ice Monitoring Program in Support of Sakhalin Energy’s Offshore Oil Production

2006· article· en· W4300051766 sur OpenAlexaff
G R Pilkington, Arno Keinonen, Viktor Tambovsky, S. A. Ryabov, В. М. Пищальник, Igor Sheikin, Alex Brovin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensCanatec (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubmarine pipelineSea iceDrift iceMooringEnvironmental scienceSpring (device)MeteorologyIce formationOceanographyArctic ice packMarine engineeringGeologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Since the summer of 1999, Sakhalin Energy Investment Company (SEIC) has been producing oil at the Molikpaq platform in 30m of water 15km off the east coast of Sakhalin Island. The paper in this conference by Reed (2006) covers the project description, the paper by Keinonen et al (2006b) covers the operations in ice and risk management, and Tambovsky et al (2006) covers the environmental conditions, in more detail. The monitoring program described in this paper has been specifically designed to provide extensive ice and environmental data to support the risk management and allow the planning of safe oil production operations using a Single Anchor Leg Mooring (SALM), Floating Storage and Offloading System (FSO), and export tankers in ice. The paper covers two major aspects of the in-ice operations: Ice management to protect the offshore loading operation on a minute by minute basis in moving ice, and also ice forecasting, to determine when any unmanageable ice might approach the tanker loading site and cause the shut down of operations in the fall and during the startup of operations in the spring. The forecasting of ice drift, ice formation and growth in the fall and ice decay in the spring are discussed. Also discussed is the forecasting of episodic events that are unique to the NE coast of Sakhalin Island.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,493

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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,198 · 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'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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOffshore Engineering and TechnologiesTravaux en français237 207