MétaCan
Menu
Retour à la cohorte

A Comparison of Thermal Dispersion Behaviour in High-Conductivity Porous Media of Various Pore Geometries

2012· article· en· W2032110777 sur OpenAlexaff
Christopher T. DeGroot, Anthony G. Straatman

Notice bibliographique

RevueDefect and diffusion forum/Diffusion and defect data, solid state data. Part A, Defect and diffusion forum · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésThermal conductivityMaterials sciencePorous mediumPrandtl numberDispersion (optics)MechanicsReynolds numberPorosityThermodynamicsHeat transferComposite materialPhysicsTurbulenceOptics

Résumé

récupéré en direct d'OpenAlex

The effect of pore geometry on the axial thermal dispersion conductivity for high-conductivity porous media under general thermal non-equilibrium conditions is studied numerically. Pore geometries including arrays of inline square and circular cylinders, staggered circular cylinders, and a three-dimensional idealization of a graphite foam pore geometry are used to study the effects of the solid constituent shape and arrangement, as well as the effect of a relatively complex three-dimensional pore structure. Results indicate that in general, the dispersion conductivity cannot be considered a simple function of the Péclet number due to the effects of inertia, which cause the dispersion behaviour to depend on both the Reynolds and Prandtl numbers. On the basis of the current results, it is recommended that the influences of the Reynolds and Prandtl numbers be considered separately when generating models for the dispersion conductivity.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,030
Tête enseignante GPT0,289
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefect and diffusion forum/Diffusion and defect data, solid state data. Part A, Defect and diffusion forumMême sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207