MétaCan
Menu
← Retour à la cohorte
Enregistrement W7132399447

A novel performance representation method for icebreakers in ice using the CCGS Henry Larsen

2025· article· en· W7132399447 sur OpenAlexvenueno aff
Jungyong Wang, Yang Ji, Ayhan Akintürk, Joshua E. Barnes

Notice bibliographique

RevueNPARC · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRepresentation (politics)Range (aeronautics)Sea icePerformance predictionArctic ice pack
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel approach to representing the performance of icebreakers in both modelscale and full-scale scenarios, as well as their correlation. Traditionally, icebreaker correlation studies have provided limited insights, often focusing on a few performance metrics under selected ice thickness and/or flexural strength in level ice. In some cases, pack ice conditions were used for model-scale testing, but these were rarely compared with full-scale results due to the variability in ice piece size and other environmental factors, such as waves. Generally, icebreakers encounter a wide range of ice conditions, from loose pack ice to thick pressure ridges. However, these diverse conditions have not been comprehensively captured or analyzed in traditional ship performance assessments. To address this gap, a new method employing a non-dimensional performance curve using thrust/torque and overload coefficients was developed and applied to both model-scale and full-scale ship performance data. Additionally, the correlation between model-scale and full-scale performance was systematically evaluated and discussed. The proposed method encompasses all potential scenarios an icebreaker may encounter, enabling the estimation of external forces, such as ice resistance, using the non-dimensional performance curve. This approach effectively transforms the ship into a sensor under various ice conditions. By utilizing performance data such as ship speed and RPM values, the method allows for the derivation of external forces, which may include a combination of ice, wave, current, and wind loads.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,027
Tête enseignante GPT0,293
Écart entre enseignants0,266 · 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'étudeObservationnel
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 revueNPARC→Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→