MétaCan
Menu
Retour à la cohorte
Enregistrement W2334021498 · doi:10.1021/ie101736d

Design Improvement of Immobilized Photocatalytic Reactors Using a CFD-Taguchi Combined Method

2010· article· en· W2334021498 sur OpenAlexafffund
J. Herrera, Madjid Mohseni, Fariborz Taghipour

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2010
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar Thermal and Photovoltaic Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversidad de Costa Rica
Mots-clésTaguchi methodsMaterials scienceComputational fluid dynamicsPhotocatalysisReynolds numberTube (container)Degradation (telecommunications)Hydraulic retention timeMass transferComposite materialEnvironmental scienceChromatographyMechanicsChemistryEnvironmental engineeringWastewaterComputer scienceCatalysisPhysics

Résumé

récupéré en direct d'OpenAlex

An effective optimization design approach which combines CFD modeling and the Taguchi DOE method is presented for immobilized photocatalytic annular reactors used for water treatment. The analyzed reactor design incorporated the use of repeated ribs for improving the external mass transfer to the TiO 2 -coated wall. The CFD model was experimentally evaluated using 2,4-D as a model pollutant, providing close predictions of the photocatalytic degradation performance of the photoreactors over a wide range of Reynolds numbers (300 < Re < 10 000). The statistical analysis showed that the performance of the studied annular photocatalytic reactors was improved up to 60% using the ribs. A comparison of different reactor design factors indicated that better performance can be obtained using small outer tube diameters, large inner/outer tube diameter ratios, large (rib height)/(hydraulic diameter) ratio, and small (rib pitch)/(rib height) ratios. In addition, it was concluded that the (rib height)/(hydraulic diameter) ratio was the design parameter having the greatest impact (57%) on photoreactor performance.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,132
Tête enseignante GPT0,356
Écart entre enseignants0,224 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetSolar Thermal and Photovoltaic SystemsTravaux en français237 207