Friction Factor Prediction for Newtonian and Non-Newtonian Fluids in Pipe Flows Using Neural Networks
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».