MétaCan
Menu
Retour à la cohorte
Enregistrement W4313172052 · doi:10.14195/978-989-26-2298-9_18

Comparison of the effect of one-way and two-way fire-wind coupling on the modelling of wildland fire propagation dynamics

2022· book-chapter· en· W4313172052 sur OpenAlexaff
Mohammad T. Sadrabadi, Mauro S. Innocente, Evangelos I. Gkanas, Ioannis Papagiannis

Notice bibliographique

RevueImprensa da Universidade de Coimbra eBooks · 2022
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésAtmosphere (unit)Coupling (piping)Field (mathematics)Environmental scienceMeteorologyAerospace engineeringComputer scienceEngineeringPhysicsMechanical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Operational wildland fire propagation models typically are uncoupled from the wind field or rely solely on estimations from an atmospheric model and/or meteorological observations. This leads to a frozen wind field with a high degree of uncertainty, and therefore to results drifting from the ground truth. On the other hand, a fully-coupled model is not viable for operational use due to the enormous computing effort required. This article proposes the use of real-time measurements from a drone swarm to enhance the results of a one-way coupled physics-based model (FireProM-F) to mimic the two-way coupling of fire and atmosphere. In the absence of actual measurements, synthetic data is used at the early stages of this research. The latter is generated using the WFDS levelset model with two-way fire-atmosphere coupling at various phases of the fire. Finally, the 'measured' wind field will be integrated into the target model to determine its effect on the outcomes.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,199 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImprensa da Universidade de Coimbra eBooksMême sujetFire effects on ecosystemsTravaux en français237 207