MétaCan
Menu
Retour à la cohorte
Enregistrement W4304892212 · doi:10.1007/s10765-022-03113-x

Estimating Soil Thermal Conductivity by Weighted Average Models with Soil Solids as a Continuous Medium

2022· article· en· W4304892212 sur OpenAlexaffabout
V. R. Tarnawski, Wey H. Leong, M. L. McCombie, G. Bovesecchi

Notice bibliographique

RevueInternational Journal of Thermophysics · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueGeothermal Energy Systems and Applications
Établissements canadiensToronto Metropolitan UniversitySaint Mary's University
Organismes subventionnairesUniversità degli Studi di Roma Tor Vergata
Mots-clésThermal conductivitySoil waterSoil scienceThermalEnvironmental scienceQuartzWater contentPhase (matter)Discontinuity (linguistics)Materials scienceMineralogyGeologyGeotechnical engineeringThermodynamicsComposite materialChemistryMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract In an attempt to further simplify and to refine the modeling of soil thermal conductivity ( λ ), two novel weighted average models (WAMs) were developed in which soil solids represent the continuous phase. In the first model, WAM s -1, the continuous phase consists of two distinctive minerals groups (quartz and compounded remaining soil minerals), while air and water are treated as dispersed components. In the second model, WAM s -2, all soil minerals are compounded and considered the continuous phase, while air and water are dispersed components. In contrast to de Vries’ original WAM with two continuous phases (soil air or soil water), the proposed models are very simple due to the following assumptions: using soil solids as a single continuous medium lead to eliminating the discontinuity of thermal conductivity when switching between soil air and soil water as continuous medium, and using the thermal conductivity of dry air simplifies a complex expression for an apparent thermal conductivity of humid soil air. Both models were successfully calibrated and validated using 39 Canadian Field Soil database and 3 Standard Sands and were successfully applied to 10 Chinese soils.

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 enseignants0,084
Score d'incertitude au seuil0,693

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 ouverte0,0010,000
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 GPT0,232
Écart entre enseignants0,222 · 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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ThermophysicsMême sujetGeothermal Energy Systems and ApplicationsTravaux en français237 207