MétaCan
Menu
Retour à la cohorte
Enregistrement W7105930757 · doi:10.23952/jano.7.2025.3.03

The topological derivative method for optimum shape design and control of gas networks

2025· article· W7105930757 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied and Numerical Optimization · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensnon disponible
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésTopology (electrical circuits)Derivative (finance)Stability (learning theory)Control (management)Control theory (sociology)Class (philosophy)

Résumé

récupéré en direct d'OpenAlex

In this paper, topological derivatives are defined and employed for gas transport networks governed by nonlinear hyperbolic systems of PDEs.The concept of topological derivatives of a shape functional is introduced for optimum design and control of gas networks.First, the dynamic model for the network is considered.The cost for the control problem includes the deviations of the pressure at the inflow and outflow nodes.For dynamic control problems of gas networks when the turnpike property occurs, the synthesis of control and optimum design of the network can be simplified.That is, the design of the network can be performed for optimal control of the steady-state network model.The cost of design is defined by the optimal control cost for the steady-state network model.The topological derivative of the design cost, given by the optimal control cost with respect to the nucleation of a small cycle, is determined.Tree-structured networks can be decomposed into single network junctions.The topological derivative of the design cost is systematically evaluated at each junction of the decomposed network.This allows for the identification of internal nodes with negative topological derivatives, where replacing the node with a small cycle leads to an improved design cost.As the set of network junctions is finite, the iterative procedure is convergent.This design procedure is applied to representative examples and it can be generalized to arbitrary network graphs.A key feature of such modeling approach is the availability of exact steady-state solutions, enabling a fully analytical topological analysis of the design cost without numerical approximations.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,239
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 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied and Numerical OptimizationMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207