Friction Factor Prediction for Newtonian and Non-Newtonian Fluids in Pipe Flows Using Neural Networks
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 friction factors (f) for Newtonian, power law, Bingham plastic and Herschel-Bulkely fluids were predicted after developing and training four neural networks (NN). Three and four layer NN and Wardnet slab were used for f predictions. When average velocity (u), pipe diameter (D), fluid density and fluid viscosity were used for predicting f values for Newtonian fluids, average absolute error was only 0.00004 with standard deviation of 0.00050 and correlation coefficient (r) of 0.9981. When using flow behaviour index (n),u, D, density and consistency coefficient (k) as inputs of an NN for power law fluids, the average absolute error of predicting f was 0.0116 with r of 0.9998. For prediction of f using yield stress, u, D, density and plastic viscosity as inputs to an NN for Bingham plastic fluids, the average absolute error was 0.0044 with r of 0.9961. The average absolute error was 0.0169 with r of 0.9996 for the prediction of f taking n, yield stress, u, D, density and k as inputs to an NN for Herschel-Bulkely fluids. Inputs except n and density and output were transformed on a logarithmic base to 10 scale. Prediction using log f or extension of f limit reduced prediction errors.
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 | 0,000 | 0,000 |
| 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