MétaCan
Menu
Retour à la cohorte
Enregistrement W1530339538 · doi:10.1002/cjce.20357

A new methodology for hydrodynamic similarity in bubble columns

2010· article· en· W1530339538 sur OpenAlexvenueno aff
Ashfaq Shaikh, Muthanna H. Al‐Dahhan

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensnon disponible
Organismes subventionnairesSasolConocoPhillipsU.S. Department of Energy
Mots-clésDimensionless quantitySimilarity (geometry)Matching (statistics)BubbleTurbulenceMechanicsWork (physics)Scale (ratio)Dynamic similarityStatistical physicsMixing (physics)Distribution (mathematics)Tracking (education)Flow (mathematics)Computer scienceParticle (ecology)MathematicsPhysicsArtificial intelligenceMathematical analysisStatisticsGeologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract A new hypothesis has been proposed in this work for hydrodynamic similarity that can be subsequently used for scale‐up of bubble column reactors. The proposed hypothesis takes into account both global (by matching overall gas holdup) as well as local hydrodynamics (by matching time‐averaged radial profile/cross‐sectional distribution of gas holdup) to maintain similarity in two systems. The evaluation of proposed hypothesis has been accomplished utilising advanced diagnostic techniques such as gamma‐ray computed tomography (CT) and computer automated radioactive particle tracking (CARPT). In this work, we experimentally demonstrate that similarity based only on global hydrodynamics does not necessarily ensure similar mixing and turbulence in two systems. It is essential to maintain similar global as well as local hydrodynamics. The hydrodynamic similarity that can be obtained by matching the commonly used dimensionless groups was also evaluated at these experimental conditions.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
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 Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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'étudeExpérimental (laboratoire)
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

Citations27
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFluid Dynamics and MixingTravaux en français237 207