Optimal discretization of geothermal boreholes for the calculation of <i>g</i> -functions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The effect of the discretization of geothermal boreholes on the accuracy of g-function evaluations is studied. A data set of 557,056 bore field configurations covering a large range of geometrical parameters is generated using pygfunction. A nonuniform discretization of borehole segments geometrically expanding in length toward the middle of the borehole is proposed. A nonuniform discretization is shown to achieve better accuracy than a uniform discretization. The nonuniform discretization is optimized to minimize the maximum absolute percentage error over the entire data set. The discretization is optimized for each bore field configuration, and an artificial neural network (ANN) is trained to predict the optimal discretization given only geometrical and thermal parameters of the boreholes, excluding the borehole positions. Thermal parameters that quantify the bore field temperature distribution are introduced as inputs to the ANN. The maximum absolute percentage error using a uniform discretization is 99.0% in the worst studied case of a dense rectangular field of Nb = 1116 boreholes with lengths of 418.8 m and spacings of 3.14 m and 3.18 m along rows and columns, while only 1% of the cases feature an error above 26.7%. The error is reduced to 3.6% using the global optimal discretization and 3.3% using the ANN.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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