MétaCan
Menu
Retour à la cohorte
Enregistrement W2777777167 · doi:10.1139/cjp-2017-0640

The onset of penetrative convection stimulated by internal heating in a magnetic nanofluid saturating a rotating porous medium

2017· article· en· W2777777167 sur OpenAlexvenueno aff
Amit Mahajan, Mahesh Kumar Sharma

Notice bibliographique

RevueCanadian Journal of Physics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanofluidLewis numberPhysicsThermophoresisTaylor numberRayleigh numberThermal diffusivityMechanicsConvectionDarcy numberPorous mediumThermodynamicsWork (physics)Natural convectionHeat transferPorosityMaterials science

Résumé

récupéré en direct d'OpenAlex

In this work, we investigate the effect of rotation on the onset of penetrative convection stimulated by internal heating in a thin layer of magnetic nanofluid saturating a porous medium. A model that includes the effect of Brownian diffusion, thermophoresis, and magnetophoresis is considered, while the Brinkman model is used for the porous medium. The following three boundary conditions are considered: rigid–rigid, rigid–free, and free–free. We discretized the partial differential equations by applying the Chebyshev pseudospectral method and used the QZ algorithm to solve the resulting eigenvalue problem for water and ester-based magnetic nanofluids. The nature of stability is determined by using the numerical method and is found to be stationary. The results indicate that the onset of convection is advanced with an increase in the Lewis number Le, concentration Rayleigh number Rn, and modified diffusivity ratio N A but the opposite is true in the case with an increase in the width of magnetic nanofluid layer d, Langevin parameter α L , porosity ε, Darcy number Da, modified diffusivity ratio [Formula: see text], and Taylor number T A . Moreover, the parameter N B does not affect the stability of the system significantly.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,996

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207