MétaCan
Menu
Retour à la cohorte
Enregistrement W4402824951 · doi:10.1139/cgj-2024-0316

The influence of pipeline–backfill–trench interaction on pipeline response to ice gouging: a numerical investigation

2024· article· en· W4402824951 sur OpenAlexafffundvenue
Alireza Ghorbanzadeh, Xiaoyu Dong, Hodjat Shiri

Notice bibliographique

RevueCanadian Geotechnical Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of Newfoundland
Mots-clésGeotechnical engineeringTrenchGeologyPipeline (software)EngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Ice gouging is a destructive incident to subsea pipelines in Arctic regions. Trenching and backfilling is a cost-effective solution to physically protect the pipeline against ice gouging. Ice gouging imposes a complex combination of stresses and strains through the soil medium, the pipeline, and the interface. Remolded backfill materials with considerably less stiffness than native soil result in more complexity in soil failure mechanisms and pipe trajectories. However, this critical aspect is less explored in the literature on ice gouges. This paper investigated the influences of pipeline–backfill–trench interaction on the soil failure mechanisms and the pipeline responses by coupled Eulerian–Lagrangian method. Two model configurations (shallowly buried and deeply buried pipeline) were set up to investigate the influence of trenching/backfilling, as well as pipe burial depth. Incorporation of the strain rate dependency and strain-softening effects in the soil constitutive model involved the development of a user-defined subroutine and incremental update of the undrained shear strength within the Abaqus software. The research findings indicate that the conventional approach of assuming uniform seabed soil for trenched and backfilled pipelines may not accurately capture the pipeline behavior and soil failure mechanisms.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,197
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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 tête enseignante, 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'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetIcing and De-icing TechnologiesTravaux en français237 207