MétaCan
Menu
← Retour à la cohorte
Enregistrement W4322002018 · doi:10.5194/egusphere-egu23-11299

Mohr-Coulomb yield curve and non-normal flow rule for sea ice viscous-plastic models

2023· preprint· en· W4322002018 sur OpenAlexaff
Damien Ringeisen, Bruno Tremblay, Jean‐François Lemieux, Martin Lösch

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensGDG EnvironnementEnvironment and Climate Change CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésYield (engineering)Flow (mathematics)CoulombIntersection (aeronautics)MechanicsGeometryGeologyYield surfaceMohr–Coulomb theoryGeotechnical engineeringMathematicsPhysicsEngineeringFinite element methodThermodynamicsConstitutive equation

Résumé

récupéré en direct d'OpenAlex

Deformation in sea ice takes the shape of narrow lines of high deformation, called the Linear Kinematic Features or LKFs. The distribution of intersection angles between LKFs indicates that the yield curve of sea ice is closer to the shape of a Mohr-Coulomb criterion than the commonly used elliptical yield curve, and that the flow rule of sea ice is most probably not normal to the yield curve. Thus, having Mohr-Coulomb yield curves in sea ice viscous-plastic models could improve the orientation and localization of LKFs in high-resolution sea ice models. In this work, we define multiple implementations of the Mohr-Coulomb yield criterion with different flow rules and test them in uniaxial compressive tests. We observe that the intersection angles are not the same as we expect from theory and previous experiments with the elliptical yield curve. To further the investigation, we define new rheologies with different yield curves and plastic potentials to study the effect of non-normal flow rules with different yield curve shapes, with the goal to finally be able to define a Mohr-Coulomb yield curve and flow rule that accurately models the creation of LKFs and their intersection angles.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,232
Écart entre enseignants0,205 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→