Notice bibliographique
Résumé
Level set methods are powerful numerical techniques for tracking the motion of an interface. Many applications arise in such areas as fluid flow simulations, medical science, and image processing. In fluid flow simulations, tracking the interface between two fluid flow phases is often difficult. Among the mathematical models that can be used to analyze fluid flow are the shallow water equations and Navier-Stokes equations. An important class of fluid flow problems is known as sloshing problems. These problems are concerned with the sloshing of a fluid in a tank, and they arise in the automotive, aerospace, and ship-building industries. In this thesis we consider the modelling of sloshing problems using shallow water equations and Navier-Stokes equations. Whereas the shallow water equations include a function that models the fluid interface, the Navier-Stokes equations do not. In this latter case, however, one can use the level set approach to track the fluid interface. Given the fluid velocity as obtained from the Navier-Stokes equations, one can use it to evolve the interface using the level set approach. We develop a MATLAB based implementation and provide numerical results to demonstrate this approach. i Acknowledgements It is a pleasure to thank many people who made this thesis possible. I would like to gratefully acknowledge my senior supervisors, Professor Paul Muir (Saint Mary’s University) and Professor Raymond Spiteri (University of Saskatchewan). With their enthusiasm, their inspiration, and their great efforts to explain things clearly and simply, they helped to make mathematics fun for me. Throughout my graduate studies, they provided encouragement, sound advice, good teaching, and lots of good ideas. I would have been lost without them. I am also grateful to my thesis examining committee, Professor Patrick
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».