MétaCan
Menu
Retour à la cohorte
Enregistrement W2808937137 · doi:10.1002/2017wr020362

Lagrangian simulation of mixing and reactions in complex geochemical systems

2017· article· en· W2808937137 sur OpenAlexaff
Nicholas B. Engdahl, David A. Benson, Diogo Bolster

Notice bibliographique

RevueWater Resources Research · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensNortel (Canada)
Organismes subventionnairesNational Science Foundation
Mots-clésEulerian pathParticle (ecology)LagrangianMixing (physics)Statistical physicsParticle systemComputer scienceCode (set theory)DisequilibriumMass transferAlgorithmMechanicsPhysicsApplied mathematicsMathematicsGeologySet (abstract data type)Computer graphics (images)Programming language

Résumé

récupéré en direct d'OpenAlex

Abstract Simulations of detailed geochemical systems have traditionally been restricted to Eulerian reactive transport algorithms. This note introduces a Lagrangian method for modeling multicomponent reaction systems. The approach uses standard random walk‐based methods for the particle motion steps but allows the particles to interact with each other by exchanging mass of their various chemical species. The colocation density of each particle pair is used to calculate the mass transfer rate, which creates a local disequilibrium that is then relaxed back toward equilibrium using the reaction engine PhreeqcRM. The mass exchange is the only step where the particles interact and the remaining transport and reaction steps are entirely independent for each particle. Several validation examples are presented, which reproduce well‐known analytical solutions. These are followed by two demonstration examples of a competitive decay chain and an acid‐mine drainage system. The source code, entitled Complex Reaction on Particles (CRP), and files needed to run these examples are hosted openly on GitHub ( https://github.com/nbengdahl/CRP ), so as to enable interested readers to readily apply this approach with minimal modifications.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,085
Tête enseignante GPT0,347
Écart entre enseignants0,263 · 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'étudeObservationnel
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

Citations63
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetGroundwater flow and contamination studiesTravaux en français237 207