MétaCan
Menu
Retour à la cohorte
Enregistrement W2610622842 · doi:10.5383/swes.06.02.009

Numerical Simulation of Direct Contact Membrane Desalination in Conjugate Heat Transfer Configuration: Role of Membrane Conductivity

2014· article· en· W2610622842 sur OpenAlexvenueno aff
Isam Janajreh, Dana Suwwan

Notice bibliographique

RevueInternational Journal of Sustainable Water and Environmental Systems · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesMasdar Institute of Science and Technology
Mots-clésMembrane distillationThermal conductivityMaterials scienceHeat transferConcentration polarizationHeat fluxThermodynamicsMechanicsHeat transfer coefficientMembraneConvective heat transferForward osmosisChemistryDesalinationReverse osmosisComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

The Abstract- Direct Contact Membrane Distillation (DCMD) is modeled using the conjugate heat transfer Navies-stokes flow model. A uniform salty and relatively hot feed and colder fresh permeate flow are driven by the peristaltic pump are considered in parallel configuration across the membrane. Depending on the membrane parameters (permeability, thickness, pour size, and conductivity) the resulted temperature difference leads to a pressure gradient responsible for the vaporizing fraction of the feed and transport to the permeate side through the hydrophobic membrane. Under different flow conditions and membrane conductivity mass flux, heat flux, temperature polarization, and thermal efficiency are evaluated. Results showed a good agreement with the published theoretical work on the mass flow this followed with sensitivity study to two parameters one is operational and the other is designed to gain a better understanding of the system performance and metrics including temperature polarization, convective and conductive heat flux, and associated latent heat of evaporation.

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 enseignants0,294
Score d'incertitude au seuil0,466

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 savante0,0000,001
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 Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,212 · 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

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Water and Environmental SystemsMême sujetMembrane Separation TechnologiesTravaux en français237 207