MétaCan
Menu
Retour à la cohorte
Enregistrement W4394622675 · doi:10.21203/rs.3.rs-4201836/v1

Investigation of performance of rock and artificial rubble mound breakwater armour using physical modelling and OpenFOAM

2024· preprint· en· W4394622675 sur OpenAlexfundno aff
Ehsan Safa, Alireza Mojtahedi, Mohammad Ali Lotfollahi-Yaghin

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoastal and Marine Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Ottawa
Mots-clésArmourRubbleBreakwaterGeotechnical engineeringGeologyPhysical modellingEngineeringMaterials scienceLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Abstract The widely used traditional armour units might be promoted by more detailed analysis for better performance. This research investigates the stability, run-up and overtopping performances of three traditional armours, including rock, antifer and tetrapod layer of a rubble-mound breakwater by regular and irregular waves. The comparison is made by the results obtained from several verified numerical models in OpenFOAM library and OlaFOAM solver and also utilizes the common wave flume test procedure. The calibration process has two main parts, which include mesh solution and model turbulence. In this process, the optimal mesh and the most effective turbulence model were selected. The results indicate that the lowest and highest values of relative run-up and overtopping discharge were observed for rock armour and Antifer armour units, respectively. The amount of the relative run-up for tetrapod was slightly more than the rock armour. Also, it was observed that the measured stability parameter Ns on the armour unit was controlled. The results indicate that Antifer units can lead to a more stable armour layer than other units.

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)0,000
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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,100
Tête enseignante GPT0,322
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 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCoastal and Marine DynamicsTravaux en français237 207