Large eddy simulation (2D) of spatially developing mixing layer using vortex-in-cell for flow field and filtered probability density function for scalar field
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
A large eddy simulation based on filtered vorticity transport equation has been coupled with filtered probability density function transport equation for scalar field, to predict the velocity and passive scalar fields. The filtered vorticity transport has been formulated using diffusion-velocity method and then solved using the vortex method. The methodology has been tested on a spatially growing mixing layer using the two-dimensional vortex-in-cell method in conjunction with both Smagorinsky and dynamic eddy viscosity subgrid scale models for an anisotropic flow. The transport equation for filtered probability density function is solved using the Lagrangian Monte-Carlo method. The unresolved subgrid scale convective term in filtered density function transport is modelled using the gradient diffusion model. The unresolved subgrid scale mixing term is modelled using the modified Curl model. The effects of subgrid scale models on the vorticity contours, mean streamwise velocity profiles, root-mean-square velocity and vorticity fluctuations profiles and negative cross-stream correlations are discussed. Also the characteristics of the passive scalar, i.e. mean concentration profiles, root-mean-square concentration fluctuations profiles and filtered probability density function are presented and compared with previous experimental and numerical works. The sensitivity of the results to the Schmidt number, constant in mixing frequency and inflow boundary conditions are discussed. Copyright © 2005 John Wiley & Sons, Ltd.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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