MétaCan
Menu
Retour à la cohorte
Enregistrement W2002657348 · doi:10.1080/13647830802094351

Prediction of NO in turbulent diffusion flames using Eulerian particle flamelet model

2008· article· en· W2002657348 sur OpenAlexfundno aff
K. W. Lee, D. H. Choi

Notice bibliographique

RevueCombustion Theory and Modelling · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, IrvineKorea Science and Engineering FoundationCanada Excellence Research Chairs, Government of Canada
Mots-clésTurbulenceLaminar flowEulerian pathCombustionMechanicsDiffusion flameJet (fluid)Particle (ecology)DiffusionTurbulent diffusionVolume (thermodynamics)ThermodynamicsMaterials scienceMathematicsPhysicsChemistryCombustorLagrangianMathematical analysisPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The combustion characteristics for the turbulent diffusion flames using the unsteady flamelet concept have been numerically investigated. The Favre-averaged Navier–Stokes equations are solved by a finite volume method of SIMPLE type that incorporates the laminar flamelet concept with a modified k − ε turbulence model. The NO formation is estimated by solving the Eulerian particle transport equations in a postprocessing mode. Two test problems are considered: CH4/H2/N2 jet flame and CH4/H2 stabilised bluff body flame. The temperature and species profiles are well captured by the flamelet model. Two different chemical mechanisms (GRI 2.11 and 3.0) give nearly identical results for temperature and species except NO. The GRI 3.0 gives significantly higher NO levels compared to the GRI 2.11. This is mainly attributed to the difference in NO formation by the prompt mechanism. The NO formation is sensitive to the number of flamelet particles. The NO levels for two test flames do not change when the flamelet particle number exceeds six.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,032
Tête enseignante GPT0,208
Écart entre enseignants0,176 · 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

Citations30
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCombustion Theory and ModellingMême sujetCombustion and flame dynamicsTravaux en français237 207