Determination of some discharge parameters of horizontally discharged cold-dense wastewaters
Bibliographic record
Abstract
Termal kirlilik, okyanus, göl veya nehir gibi sucul alanlarda ortam sıcaklığının insan faaliyetleri sonucunda artması veya azalması olarak tanımlanır.Termal kirliliğe, enerji santralleri, sıvılaştırılmış doğalgaz terminalleri (LNG) ve endüstriyel tesislerin ısıtma veya soğutma amaçlı kullanılan daha sonra alıcı ortamlara deşarj edilen suları neden olur.Alıcı ortamlara deşarj edilen termal atıksuların en önemli kaynaklarından biri LNG gazlaştırma terminallerinden kaynaklanan soğuk sulardır.Soğuk sular genellikle kıyısal sulara deşarj edilirler.Bu sular deşarj edildikleri alıcı ortamlara göre yoğunluklarının yüksek olması nedeniyle bir çeşit negatif yüzen (batan) jetlerdir.Alıcı ortam canlı türlerine olumsuz etkilerinden dolayı soğuk sular, yüksek seviyede seyrelme sağlayacak şekilde deşarj edilmelidir.Bu çalışmada, yatay olarak deşarj edilen soğuk-yoğun suyun birinci seyrelme ve çarpma noktası gibi bazı deşarj parametreleri laboratuvar ortamında dairesel deşarj portu kullanılarak belirlenmiştir.Soğuk-yoğun atıksuyun alıcı ortam içerisindeki davranışını (jet geometrisini) belirlemek için renk maddesi olarak Rhodamin B ilavesi yapılmıştır.Renklendirilmiş soğukyoğun atıksuyun anlık fotoğraflarını çekmek için yüksek çözünürlüklü kamera ve atıksu jet merkezinde meydana gelen sıcaklık değişimlerini (seyrelmeler) ölçmek için de hassas termal problar kullanılmıştır.Farklı atıksu yoğunlukları elde etmek için -3 °C, -5 °C ve -7 °C gibi üç değişik sıcaklık fark değerleri uygulanmıştır.Bu çalışmada elde edilen sonuçlara göre soğuk su deşarjlarının tabana çökme eğilimde olan negatif yüzen (batan) jet gibi davrandığı belirlenmiştir.Ayrıca bu çalışmada, ortalama normalize edilmiş çarpma noktası mesafesi ve birinci seyrelmenin 2.333 ve 0.491 olduğu bulunmuştur.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".