MétaCan
Menu
Retour à la cohorte
Enregistrement W2165821229 · doi:10.1115/1.4031035

Sensitivity Studies of Shear Stress Transport Turbulence Model Parameters on the Prediction of Seven-Rod Bundle Benchmark Experiments

2015· article· en· W2165821229 sur OpenAlexafffund
Cale Bergmann, Scott J. Ormiston, Vijay Chatoorgoon

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Manitoba
Mots-clésTurbulenceComputational fluid dynamicsBenchmark (surveying)Sensitivity (control systems)Turbulence modelingK-epsilon turbulence modelMechanicsBundleShear stressK-omega turbulence modelSupercritical fluidMaterials scienceEnvironmental sciencePhysicsThermodynamicsEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

This paper reports the findings of a sensitivity study of parameters in the shear stress transport (SST) turbulence model in a commercial computational fluid dynamics (CFD) code to predict an experiment from the Generation IV International Forum Supercritical-Water-Cooled Reactor (GIF SCWR) 2013–2014 seven-rod subchannel benchmark exercise. This study was motivated by the result of the benchmark exercise that all the CFD codes gave similar results to a subchannel code, which does not possess any sophisticated turbulence modeling. Initial findings were that the CFD codes generally underpredicted the wall temperatures on the B2 case in the region where the flow was supercritical. Therefore, it was decided to examine the effect of various turbulence model parameters to determine if a CFD code using the SST turbulence model could do a better job overall in predicting the wall temperatures of the benchmark experiments. A sensitivity study of seven parameters was done, and changes to two parameters were found to make an improvement.

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 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 enseignants0,056
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,042
Tête enseignante GPT0,261
Écart entre enseignants0,219 · 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

Citations3
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetHeat transfer and supercritical fluidsTravaux en français237 207