Development and testing of a soot particle concentration estimator using Lagrangian post-processing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Soot emissions from combustion devices are known to have harmful effects on the environment and human health. As the transportation industry continues to expand, the development of techniques to reduce soot emissions remains a significant goal of researchers and industry. In order for current soot modeling techniques to be reliably accurate, they must incur an intractably high computational cost. This project leverages existing knowledge in soot modeling and soot formation fundamentals to develop a stand-alone, computationally inexpensive soot concentration estimator to be linked to Computational Fluid Dynamics simulations as a post-processor. Preliminary development and testing of the estimator is presented here for laminar flames. As soot properties cannot be determined by local conditions, the estimator consists of a library generated using the hystereses of soot-containing fluid parcels, which relates soot concentration to the aggregated gas-phase environment histories to which a fluid parcel has been exposed. The estimator can be used to relate soot concentration to computed parcel hystereses through interpolation techniques. The estimator shows the potential ability to produce accurate results with very low computational cost in laminar coflow diffusion flames. Results also show that as flame data representing a broader set of conditions (temperature, mixture fraction, residence time, etc.) are added to the library, the estimator becomes applicable to a wider range of flames.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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