United States Coast Guard Academy
Notice bibliographique
Résumé
Icing threatens the stability of vessels that operate in high-latitude waters. The accumulation of ice on vessels depends on meteorological conditions and vessel design. Meteorological data is input into either the Overland or Modified Stallabrass algorithms which calculate the amount of icing that will occur. Ice coverage in the Arctic region has changed significantly since algorithms were developed in the 1980s. The goal of the National Weather Service (NWS) and the Meteorological Service of Canada (MSC) is to create a cohesive model that determines the icing rate throughout the North American region. A comprehensive overview of vessel icing algorithms that compared their strengths and weaknesses was conducted to lead to the eventual revision and development of a new algorithm. Specifically, ongoing efforts to obtain new observation data from vessels in the North American region will be used to recalibrate the algorithms by relating the model’s output to the severity of icing described by the observations. After relating the new observational data, a different Overland predictor value can be derived from the simplified heat balance of ice surface [1]. A constant value, for the liquid water content equation, \n = ∗ 10 ∗ ∗ exp(−), in the Modified Stallabrass algorithm can be calculated with updated data [2]. Current observational data applied to the algorithms will reflect the meteorological conditions in the Arctic. Progress made in the understanding of the meteorological conditions and associated augmentations necessary to the development of accurate icing predictions for vessel safety will be reported.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,502 | 0,303 |
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».