MétaCan
Menu
Retour à la cohorte
Enregistrement W2064972110 · doi:10.1615/computthermalscien.2013006746

FALSE DIFFUSION PRODUCED BY FLUX LIMITERS

2013· article· en· W2064972110 sur OpenAlexaff
Vincent H. Chu, Congwei Gao

Notice bibliographique

RevueComputational Thermal Sciences An International Journal · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDimensionless quantityLimiterDiffusionFlux limiterFlux (metallurgy)AdvectionMathematicsCourant–Friedrichs–Lewy conditionMechanicsSeries (stratigraphy)Mathematical analysisPhysicsApplied mathematicsMaterials scienceThermodynamicsComputer science

Résumé

récupéré en direct d'OpenAlex

The false diffusions of six flux limiters were examined in a series of advection simulation experiments conducted for different flow directions and Courant numbers. The rate of deviation from the exact solution determines the false-diffusion coefficients that are defined by the Lagrangian diffusion equation. Occasional intervention by downgrading high-order schemes to a lower order produces a false-diffusion error that is linearly in proportion to the size of the computation grid. The dimensionless coefficient normalized by the grid size oscillates with time. The amplitude of the oscillations is evaluated as an indicator of computational instability. Some flux limiters, such as MINMOD, produce computationally stable results. However, the simulation by MINMOD is diffusive. Other flux limiters such as ULTRA-QUICK and ULTRA-CD are more accurate and not as diffusive, but computationally are not as stable. This study found that the false-diffusion coefficients of the flux limiters became independent of the Courant number when the fourth-order Runge−Kutta method was used for time integration. Using fourth-order time integration, the flux limiter SUPERBEE was nine times less diffusive than MINMOD, and 49 times less diffusive than the first-order upwind scheme.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,694

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational Thermal Sciences An International JournalMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207