MétaCan
Menu
Retour à la cohorte
Enregistrement W2529201243 · doi:10.11159/ffhmt16.127

Numerical Simulation of the Influence of External Insulation by the Mud on the Convection in the Buildings

2016· article· en· W2529201243 sur OpenAlexvenueno aff
Belkacem Draoui, Khadidja Asnoune, Hasnat Mohamed, Lakhdar Rahmani

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueHygrothermal properties of building materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConvectionComputer simulationMechanicsMaterials scienceComputer scienceMechanical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Building insulation materials are the building materials which form the thermal envelope of a building or otherwise reduce heat transfer. Many insulations are made from petrochemicals and may be a concern for those seeking to reduce the use of fossil fuels and oil.Some insulation materials have health risks, some so significant the materials are no longer allowed to be used but remain in use in some older buildings such as asbestos fibers and urea. Also, the cost can be high compared to traditional insulation. This work presents a study of numerical simulation aiming at the role and the influence of the insulation by the mud Reduced like a local material in the town of Bechar located in the Sahara of Algeria, or one is interested in a comparative study for pursued these goals. In this context, an analogy was used for the functions which are discretized by the finite difference method and integrated in the CFD code which is based on the finite volume method. The effects of various physical parameters such as, the Rayleight number, insulation by the mud as local materials in Sahara of Algeria are studied. The Rayleight nember varies between 10 3 and 10 6 , .The obtained results are of fundamental interest and can be relevant for the development of efficient heat exchangers. This technique has proven that the rate of heat transfer is minimized up to 37%.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,237

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 ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,222
Écart entre enseignants0,205 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetHygrothermal properties of building materialsTravaux en français237 207