MétaCan
Menu
Retour à la cohorte
Enregistrement W4399883429 · doi:10.3390/cmd5020013

Review of the Modelling of Corrosion Processes and Lifetime Prediction for HLW/SF Containers—Part 2: Performance Assessment Models

2024· article· en· W4399883429 sur OpenAlexaff
Fraser King, Miroslav Kolàř, Scott Briggs, Mehran Behazin, Peter Keech, Nikitas Diomidis

Notice bibliographique

RevueCorrosion and Materials Degradation · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Corrosion and Durability
Établissements canadiensNuclear Waste Management Organization
Organismes subventionnairesnon disponible
Mots-clésCorrosionNuclear engineeringEnvironmental scienceMaterials scienceProcess engineeringForensic engineeringMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

The disposal of high-level radioactive waste (HLW) and spent nuclear fuel (SF) presents a unique challenge for the prediction of the long-term performance of corrodible structures since the HLW/SF canisters are expected, in some cases, to have lifetimes of one million years or longer. Various empirical and deterministic models have been developed over the past 45 years for making predictions of the long-term corrosion behaviour, including models for uniform and localized corrosion, environmentally assisted cracking and microbiologically influenced corrosion. As well as process models focused on specific corrosion mechanisms (described in Part 1 of this review), there is also a need for performance assessment models as part of the overall analysis of the safety of a deep geological repository (DGR). Performance assessment models are often based on simplified or abstracted process models. The manner in which various international waste management programs have predicted the long-term performance of HLW/SF containers with copper, steel, Ni and Ti alloy corrosion barriers is discussed. Performance assessments are repeated periodically during the development and implementation of a DGR, and the corrosion models are constantly updated in light of new mechanistic understanding and/or more information about the deep geological environment. Two examples of how the container performance assessment models evolve over time are also described. Performance assessment models cannot easily be validated, so it is important to build confidence in the long-term predictions using other methods, including natural analogues and large-scale in situ tests and the use of complementary models.

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)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,033
Tête enseignante GPT0,245
Écart entre enseignants0,213 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorrosion and Materials DegradationMême sujetConcrete Corrosion and DurabilityTravaux en français237 207