Применение двухпараметрической к ю-модели турбулентности для исследования явления термобара
Notice bibliographique
Résumé
In this paper, the phenomenon of the thermal bar in Kamloops Lake (Canada) is studied with a nonhydrostatic mathematical model. A thermal bar is a narrow zone in a lake in temperate latitudes where maximum-density waters sink from the surface to the bottom. Two different turbulence models are compared: the algebraic model of Holland P. R. et al. [1] and the two-equation k-ю model of Wilcox D.C. [2]. The two-parameter model of turbulence developed by D.C. Wilcox consists of equations for turbulence kinetic energy (k) and specific dissipation rate (ro).The mathematical model which includes the Coriolis force due to the Earth''s rotation, is written in the Boussinesq approximation with the continuity, momentum, energy, and salinity equations. The Chen-Millero equation [8], adopted by UNESCO, was taken as the equation of state. The formulated problem is solved by the finite volume method. The numerical algorithm for finding the flow and temperature fields is based on the Crank-Nicholson difference scheme. The convective terms in the equations are approximated by a second-order upstream QUICK scheme [10]. To calculate the velocity and pressure fields, the SIMPLED procedure for buoyant flows [11], which is a modification of the well-known Patankar''s SIMPLE method [9], has been developed. The systems of grid equations at each time step are solved by the under-relaxation method or N.I. Buleev''s explicit method [12]. The turbulence models were applied to predict the evolution of the spring thermal bar in Kamloops Lake. The numerical experiments have shown that the application of the k-ю turbulence model leads to new effects in the thermal bar evolution.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,054 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».