MétaCan
Menu
Retour à la cohorte
Enregistrement W4410856822 · doi:10.1016/j.ress.2025.111300

Modelling downburst velocity fields in relation to Main Wind Force Resisting Systems

2025· article· en· W4410856822 sur OpenAlexafffund
Federico Canepa, Massimiliano Burlando, Djordje Romanić, Horia Hangan

Notice bibliographique

RevueReliability Engineering & System Safety · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensOntario Tech UniversityWestern UniversityMcGill University
Organismes subventionnairesEuropean Research CouncilHorizon 2020 Framework ProgrammeEuropean CommissionCanada Foundation for Innovation
Mots-clésRelation (database)Wind forceEngineeringWind speedAerospace engineeringEnvironmental scienceMarine engineeringMeteorologyMechanicsComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Over the past two decades, wind engineering has focused on non-synoptic wind storms, which exhibit greater spatio-temporal complexity than synoptic scale winds. Here we focus on the modelling of downburst velocity fields in relation to the way these models can be used to determine structural responses to downburst winds. Two approaches have been defined in relation to the Main Wind Force Resisting Systems (MWFRS): (i) the Gust Front Factor (GFF) from Professor Ashan Kareem’s group at Notre Dame University in USA and (ii) the Thunderstorm Response Spectrum Technique (TRST) from the late Professor Giovanni Solari’s team at the University of Genova in Italy. Both methods decompose the downburst mean wind field into a vertical profile and a time variation. Here we focus on the modelling of downburst velocity fields in terms of spatial and time characterizations including the effects of translation, atmospheric boundary layer (ABL) superposition and surface effects. Herein, we focus on analysing how various analytical models, that include both time and space velocity variations, can be adapted to fit an experimental database of downburst-like flows (DLFs), generated at WindEEE Dome at Western University under the project THUNDERR. The calibration is conducted through the superposition of stationary mean flow fields with the effects of translation, background synoptic wind and surface roughness. Analytical models for the profile variation, the Oseguera-Bowles-Vicroy (OBV) and Wood & Kwok models, along with the sine wave models for temporal variation, are tested against this extensive database. The resulting adapted proposed models provide a potential frame on DLFs to be applied in the context of MWFRS approaches.

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)0,001
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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,192
Écart entre enseignants0,186 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReliability Engineering & System SafetyMême sujetWind and Air Flow StudiesTravaux en français237 207