MétaCan
Menu
Retour à la cohorte
Enregistrement W2550989224 · doi:10.5380/reterm.v13i2.62101

TWO-PHASE FRICTION FACTOR IN GAS-LIQUID PIPE FLOW

2014· article· en· W2550989224 sur OpenAlexaff
L. Enrique Ortiz-Vidal, Njuki Mureithi, Oscar Mauricio Hernández Rodríguez

Notice bibliographique

RevueRevista de Engenharia Térmica · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensPolytechnique MontréalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesPetrobras
Mots-clésReynolds numberPressure dropMechanicsTwo-phase flowMaterials scienceFriction factorSlip (aerodynamics)ThermodynamicsPipe flowRefrigerantFlow (mathematics)PhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

An improved friction factor prediction model for two-phase gas-liquid pipe flow is proposed. The model is based on a previous no-slip formulation where a mixture Reynolds number was defined. In this study, the mixture Reynolds number is modified by introducing slip-ratio information through the inclusion of void-fraction and flow-pattern dependent models. An experimental database reconstituted from the available literature and new frictional pressure-drop data for air-water horizontal flow in an I.D. 0.0204m pipe are also presented. The full database considers several different flow conditions for horizontal two-phase flow of refrigerants and air-water mixtures. It was compared to predictions of models from the literature as well as the new proposed model. We found that the proposed and Müller-Steinhagen-and-Heck methods provide better agreement for the current experimental database. It is shown that the inclusion of void-fraction information on the previous mixture Reynolds definition improves the friction-factor prediction

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,602
Score d'incertitude au seuil0,836

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,245 · 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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Engenharia TérmicaMême sujetHeat Transfer and Boiling StudiesTravaux en français237 207