MétaCan
Menu
Retour à la cohorte
Enregistrement W2741684353 · doi:10.18869/acadpub.jafm.73.240.27475

Electrohydrodynamic Instability in a Heat Generating Porous Layer Saturated by a Dielectric Nanofluid

2017· article· en· W2741684353 sur OpenAlexaff
Dhananjay Yadav

Notice bibliographique

RevueJournal of Applied Fluid Mechanics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésThermophoresisNanofluidLewis numberRayleigh numberElectrohydrodynamicsThermodynamicsMechanicsHeat fluxConvectionMaterials sciencePorous mediumDarcy numberThermal diffusivityNatural convectionHeat transferElectric fieldPhysicsPorosityComposite material

Résumé

récupéré en direct d'OpenAlex

In this paper, a theoretical investigation has been carried out to study the combined effect of AC electric field and temperature depended internal heat source on the onset of convection in a porous medium layer saturated by a dielectric nanofluid. The model used for nanofluid incorporates the combined effect of Brownian diffusion, thermophoresis and electrophoresis, while for porous medium Darcy model is employed. The flux of volume fraction of a nanoparticle with the effect of thermophoresis is taken to be zero on the boundaries and the eigenvalue problem is solved using the Galerkin method. Principle of exchange of stabilities is found to be valid and subcritical instability is ruled out. The results show that increase in the internal heat source parameter , AC electric Rayleigh-Darcy number , the Lewis number , the modified diffusivity ratio and the concentration Rayleigh-Darcy number are to hasten the onset of convection. The size of convection cells decreases with increasing the internal heat source parameter and the AC electric Rayleigh-Darcy number .

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Fluid MechanicsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207