Quantitative review of experimental tests and theoretical models of flashover occurrence in compartment fires
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
: In performance-based fire design (PBFD), flashover is the rapid transition from a growing to a fully developed fire. In this study, a comprehensive literature review and analysis of 93 large-scale compartment fire experiments were conducted to identify the key factors that affect the HRR required for flashover (Q FO ). For each fire test, key parameters were documented, including fuel load, fuel type, compartment configuration, ventilation properties, boundary characteristics, and the heat release rate (HRR)-time curve. The impact of each parameter on Q FO was assessed through comparison with experimental data. It was shown that there are direct correlations between these parameters and Q FO . Moreover, available analytical models to predict Q FO were compared against the compiled experimental results. Based on experimental data, an equation was proposed to estimate Q FO by considering the effect of fuel load, opening factor, boundary characteristics, and compartment shape. These parameters, not previously used all together in other models, resulted in improved accuracy, with the proposed model achieving a mean squared error (MSE) of 0.46 and an R 2 value of 86%, outperforming other theoretical models. The average time to flashover onset, calculated using the proposed equation based on 8,800 different scenarios of the same compartment as a case study, varies from 1 minute for an ultra-fast fire to 11 minutes for a slow-growing fire, indicating the need for a fire safety strategy that accounts for different parameters influencing flashover.
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 | 0,000 |
| 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