MétaCan
Menu
Retour à la cohorte
Enregistrement W2046637721 · doi:10.1115/1.4006041

Effect of Near-Wall Turbulence on Selective Removal of Particles From Sand Beds Deposited in Pipelines

2012· article· en· W2046637721 sur OpenAlexafffund
Hossein Zeinali, P. Toma, Ergün Kuru

Notice bibliographique

RevueJournal of Energy Resources Technology · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Alberta
Mots-clésTurbulenceParticle image velocimetryMechanicsParticle sizeParticle (ecology)Flow (mathematics)Pipeline transportDissipationMaterials sciencePipe flowPhysicsGeologyEnvironmental scienceEnvironmental engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the effect of near-wall turbulence on selective removal of small-size particulate matter from sand beds deposited in pipelines. In an effort to develop effective strategies for in-line fines separation, experimental data on selective particle removal by burst-sweep turbulent structures have been gathered. A 3¾″ (0.095 m) diameter—15 m long flow loop together with a particle image velocimetry (PIV) system has been commissioned and used for observations of turbulent burst activities. The flow loop was also equipped with bottom extractors to allow real time sampling of deposited particles which are then analyzed for determining particle size distribution changes with time. In this work, the alteration of size-composition during turbulent transportation of moving (sand) bed was assumed to be the effect of burst-sweep activity (coherent structures). The frequency of coherent burst structures was measured at various distances from the pipe wall, during the radial dissipation, and results were compared with existing literature. The experimental results indicated that when a bed of particles with 0.1–50 μm size range is exposed to burst-sweep activities during turbulent pipe flow, the concentration of fine particles within the bed increases with time (i.e., coarser particles are preferentially removed).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,213 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations12
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207