Predicting Tortuosity for Airflow Through Porous Beds Consisting of Randomly Packed Spherical Particles
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
This article presents a numerical method for determining tortuosity in porous beds consisting of randomly packed spherical particles. The calculation of tortuosity is carried out in two steps. In the first step, the spacial arrangement of particles in the porous bed is determined by using the discrete element method (DEM). Specifically, a commercially available discrete element package (PFC3D ) was used to simulate the spacial structure of the porous bed. In the second step, a numerical algorithm was developed to construct the microscopic (pore scale) flow paths within the simulated spacial structure of the porous bed to calculate the lowest geometric tortuosity (LGT), which was defined as the ratio of the shortest flow path to the total bed depth. The numerical algorithm treats a porous bed as a series of four-particle tetrahedron units. When air enters a tetrahedron unit through one face (the base triangle), it is assumed to leave from another face triangle whose centroid is the highest of the four face triangles associated with the tetrahedron, and this face triangle will then be used as the base triangle for the next tetrahedron. This process is repeated to establish a series of tetrahedrons from the bottom to the top surface of the porous bed. The shortest flow path is then constructed geometrically by connecting the centroids of base triangles of consecutive tetrahedrons. The tortuosity values calculated by the proposed numerical method compared favourably with the values obtained from a CT image published in the literature for a bed of grain (peas). The proposed model predicted a tortuosity of 1.15, while the tortuosity estimated from the CT image was 1.14.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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