MétaCan
Menu
Retour à la cohorte
Enregistrement W1991036236 · doi:10.1615/computthermalscien.v1.i4.40

NATURAL CONVECTION OF NANOFLUIDS IN A CAVITY INCLUDING THE SORET EFFECT

2009· article· en· W1991036236 sur OpenAlexaff
Cong Tam Nguyen, Mohammed El Ganaoui, Rachid Bennacer, Thierry Maré

Notice bibliographique

RevueComputational Thermal Sciences An International Journal · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésNanofluidLewis numberNatural convectionMaterials scienceThermophoresisRayleigh numberThermodynamicsBuoyancyHeat transferMechanicsCombined forced and natural convectionConvectionViscosityMass transferPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Convection of a binary mixture in a cavity is studied numerically. The flow is driven by a buoyancy force due to an externally applied constant temperature difference on the vertical wall of the cavity, while the horizontal surfaces are impermeable and adiabatic. A nanofluid is used and the effects of the cross phenomenon "Soret effect" were considered in the analysis. The flows are found to be dependent on the particle concentration φ, the Rayleigh number RaT, the Lewis number Le, the solutal to thermal buoyancy ratio N, and the thermal boundary conditions. Numerical results for finite amplitude convection, obtained by solving numerically the full governing equations, are found to be in good agreement with the analytical solution based on the scale analysis approach. We have proposed a modified formulation of the conservation equations governing the flow and heat transfer of nanofluids, taking into account important changes of nanofluid thermal conductivity and viscosity as well as the spatial change of the particle concentration that is induced by the Soret effect. Results have shown that such an effect increases nanofluid heat transfer. The optimal particle volume concentration, which maximizes heat transfer, is estimated to be 2%. The increase of natural convection with nanoparticle concentration is weak in comparison to that found in forced convection.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,438
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,298
Écart entre enseignants0,281 · 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 tête enseignante, 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

Citations9
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational Thermal Sciences An International JournalMême sujetNanofluid Flow and Heat TransferTravaux en français237 207