MétaCan
Menu
Retour à la cohorte
Enregistrement W1987603407 · doi:10.1142/s0219519414500110

COMPARATIVE NUMERICAL STUDY OF SINGLE-PHASE AND TWO-PHASE MODELS FOR BIO-NANOFLUID TRANSPORT PHENOMENA

2013· article· en· W1987603407 sur OpenAlexaff
O. Anwar Bég, Mohammad Mehdi Rashidi, Mahmood Akbari, Ashkan Hosseini

Notice bibliographique

RevueJournal of Mechanics in Medicine and Biology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésNanofluidComputational fluid dynamicsVolume of fluid methodMechanicsLaminar flowMaterials scienceHeat transferThermodynamicsFluid dynamicsFinite volume methodFlow (mathematics)Heat transfer coefficientPhase (matter)Physics

Résumé

récupéré en direct d'OpenAlex

A computational fluid dynamics (CFD) simulation of laminar convection of Al 2 O 3–water bio-nanofluids in a circular tube under constant wall temperature conditions was conducted, employing a single-phase model and three different two-phase models (volume of fluid (VOF), mixture and Eulerian). The steady-state, three-dimensional flow conservation equations were discretised using the finite volume method (FVM). Several parameters such as temperature, flow field, skin friction and heat transfer coefficient were computed. The computations showed that CFD predictions with the three different two-phase models are essentially the same. The CFD simulations also demonstrated that single-phase and two-phase models yield the same results for fluid flow but different results for thermal fields. The two-phase models, however, achieved better correlation with experimental measurements. The simulations further showed that heat transfer coefficient distinctly increases with increasing nanofluid particle concentration. The physical properties of the base fluid were considered to be temperature-dependent, while those of the solid particles were constant. Grid independence tests were also included. The simulations have applications in novel biomedical flow processing systems.

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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,343
Écart entre enseignants0,257 · 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

Citations83
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanics in Medicine and BiologyMême sujetNanofluid Flow and Heat TransferTravaux en français237 207