Differential transform semi-numerical analysis of biofluid-particle suspension flow and heat transfer in non-Darcian porous media
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The differential transform method (DTM) is semi-numerical method which is used to study the steady, laminar buoyancy-driven convection heat transfer of a particulate biofluid suspension in a channel containing a porous material. A two-phase continuum model is used. A set of variables is implemented to reduce the ordinary differential equations for momentum and energy conservation (for both phases) to a dimensionless system. DTM solutions are obtained for the dimensionless system under appropriate boundary conditions. We examine the influence of momentum inverse Stokes number (Skm), Darcy number (Da), Forchheimer number (Fs), particle loading parameter (pL), particle-phase wall slip parameter (Ω) and buoyancy parameter (B) on the fluid-phase velocity (U) and particle-phase velocity (Up). Padé approximants are also employed to achieve satisfaction of boundary conditions. Excellent correlation is obtained between the DTM and numerical quadrature solutions. The results indicate that there is a strong decrease in fluid-phase velocities with increasing Darcian (first-order) drag and the second-order Forchheimer drag, and a weaker reduction in particle-phase velocity field. Fluid and particle-phase velocities are also strongly affected with inverse momentum Stokes number. DTM is shown to be a powerful tool providing engineers with an alternative simulation approach to other traditional methods for multi-phase computational biofluid mechanics. The model finds applications in haemotological separation and biotechnological processing.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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