MétaCan
Menu
Retour à la cohorte
Enregistrement W2620837499 · doi:10.2514/1.j057024

Applications of the Unsteady Error Transport Equation on Unstructured Meshes

2018· article· en· W2620837499 sur OpenAlexafffund
Gary Yan, Carl Ollivier‐Gooch

Notice bibliographique

RevueAIAA Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDiscretizationApplied mathematicsMathematicsScalar (mathematics)Order of accuracyPolygon meshConvection–diffusion equationDiscretization errorCompressibilityMathematical optimizationMathematical analysisNumerical analysisMechanicsPhysicsGeometryNumerical stability

Résumé

récupéré en direct d'OpenAlex

A numerical study of using the error transport equation, an auxiliary problem to a set of model equations, is performed to obtain higher-order accurate error estimates and corrections for applications in unsteady compressible flow. In many such applications, a functional of the solution is often examined as a proxy for the accuracy of the solution itself. Several measures of time-dependent functionals are used for test cases that have a periodic steady-state solution. The approach is verified by examining unsteady functionals for diffusion and advection model problems, and then the error transport method is applied to the von Kármán vortex shedding test case, a difficult problem to establish accuracy properties on its own. It was found that scalar measures of the unsteady functionals not only give the order of accuracy that would be expected from a primal discretization only but also the expected higher-order accuracy if the functionals were computed using the solutions corrected by this accurate error estimate, all without the otherwise necessary requirement of discretizing to higher order in both time and space for the primal problem. The results are consistent with previous studies on solution error using simple test cases with manufactured solutions.

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)0,005
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
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,029
Tête enseignante GPT0,305
Écart entre enseignants0,276 · 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

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207