MétaCan
Menu
Retour à la cohorte
Enregistrement W2530623012 · doi:10.1021/acs.energyfuels.6b01947

Application of Eddy Dissipation Concept for Modeling Biomass Combustion, Part 1: Assessment of the Model Coefficients

2016· article· en· W2530623012 sur OpenAlexafffund
Mohammadreza Farokhi, Madjid Birouk

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTurbulenceCombustionLarge eddy simulationDissipationFlow (mathematics)MechanicsJet (fluid)Sensitivity (control systems)ThermodynamicsRange (aeronautics)Environmental scienceChemistryMaterials sciencePhysicsEngineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The eddy dissipation concept (EDC) model has the ability to incorporate detailed chemistry in turbulent combustion, which makes it attractive for simulating a wide range of industrial combustion systems. However, its application for modeling weakly turbulent reacting flows and slow chemistry poses a real challenge. The present study examines the influence of the EDC model’s coefficients, with respect to turbulent flow field characteristics. In order to assess the sensitivity of EDC model’s constants, simulations of two distinct jet flames covering weakly and highly turbulent flow conditions are performed. The predictions are compared with published experimental measurements. The findings of this study revealed that EDC predictions of the characteristics of weakly turbulent reacting flow can be improved by changing the model’s constants. The study also showed that, in comparison with the standard EDC, modifying the model’s coefficients produced improved predictions of the characteristics of highly turbulent reacting flow regions. The conclusions of the analysis carried out in this study are used to simulate the gas-phase combustion of a small-scale biomass furnace using the EDC model, which is presented in the companion paper for this study.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,235 · 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
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

Citations21
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCombustion and flame dynamicsTravaux en français237 207