Flow and Pollutant Dispersion Model in a 2D Urban Street Canyons Using Computational Fluid Dynamics
Notice bibliographique
Résumé
A two-dimensional model is used to simulate temperature distribution, wind speed and pollutants dispersion within an isolated two-dimensional street canyon using SIMPLE algorithm in ANSYS Fluent version 16.2. The simulation is based on the Reynolds-averaged Navier–Stokes equations coupled with a series of standard, RNG and realizable k-ε turbulence models. Simulation domain consisted of a street canyon with two buildings enclosing a street with the aspect ratio of 1. The wind is assumed to be perpendicular to the direction of the street and the source of the pollution is assumed to be liner. The results showed that the RNG k-ε turbulence model is the most optimum model by comparing with the calculated data under different wind speed patterns and pollutant dispersion model. The improvement of turbulent viscosity term of the RNG k-ε turbulence model provides a more accurate and reliable numerical solution for the present study regarding to the pollution dispersion in a street canyon. The simulation results also showed that the dimensionless pollutant concentrations, P, is larger on the leeward side of the buildings and decrease exponentially from floor to top of the upstream buildings. Furthermore, the results showed that the pollutant concentrations on the leeward side of building are more than that on the windward side due to the pollutant transportation of vortex circulation.
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 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».