MétaCan
Menu
Retour à la cohorte
Enregistrement W2150371171 · doi:10.2298/tsci0702067a

The effect of surface regression on the downward flame spread over a solid fuel in a quiescent ambient

2007· article· en· W2150371171 sur OpenAlexaff
Mohammad Bagher Ayani, Javad Abolfazli Esfahani, António C.M. Sousa

Notice bibliographique

RevueThermal Science · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSolid fuelCombustionArrhenius equationThermodynamicsMechanicsLaminar flowActivation energyMaterials scienceFlame spreadWork (physics)ViscosityChemistryPhysicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The present work is addressed to the numerical study of the transient laminar opposed-flow flame spread over a solid fuel in a quiescent ambient. The transient governing equations - full Navier-Stokes, energy, and species (oxygen and volatiles) for the gas phase, and continuity and energy equations for the solid phase (fuel) with primitive variables are discretized in a staggered grid by a control volume approach. The second-order Arrhenius kinetics law is used to determine the rate of consumption of volatiles due to combustion, and the zero-order Arrhenius kinetics law is used to determine the rate of degradation of solid fuel. The equations for the fluid and solid phases are solved simultaneously using a segregated technique. The physical and thermo-physical properties of the fluid (air) such as density, thermal conductivity, and viscosity vary with temperature. The surface regression of the solid fuel is modeled numerically using a discrete formulation, and the effect upon the results is analyzed. The surface regression of the solid fuel as shown affects on the fuel surface and gas temperature, mass flux and velocity of volatiles on the top surface of fuel, total energy transferred to the solid phase, etc. It seems the results to be realistic. .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,272
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal ScienceMême sujetFire dynamics and safety researchTravaux en français237 207