MétaCan
Menu
Retour à la cohorte
Enregistrement W2810616250 · doi:10.2495/cmem-v7-n1-33-44

CFD and experimental approach on three phase gas-liquid-solid Newtonian fluid flow in horizontal pipes

2018· article· en· W2810616250 sur OpenAlexaff
Rasel A. Sultan, Serag Alfarek, Mohammad Azizur Rahman, Sohrab Zendehboudi

Notice bibliographique

RevueInternational Journal of Computational Methods and Experimental Measurements · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsMechanicsNon-Newtonian fluidFlow (mathematics)Fluid dynamicsNewtonian fluidTwo-phase flowMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

This study analyses three dimensional fluid flow through horizontal pipelines with three-phase gasliquid-solid Newtonian fluids by Computational Fluid Dynamics (CFD) simulation.Validating the simulation with experimental data, the study aims to develop a versatile acceptable simulation model that can be used further for different applied cases.An experimental setup is developed in our laboratory to determine slug flow (air-water) through a horizontal pipeline.Air as gas, water as liquid and silica as solid particle is used in this work.ANSYS Fluent version 16.2 is employed to perform the simulation.The Eulerian multiphase model with the Reynolds Stress Model (RSM) turbulence closure is adopted to analyse multiphase fluid flow.Parameters are selected from experimental works to validate the simulation.After a good agreement with experimental data, sensitivity analysis is conducted to observe the three phase fluid flow characteristics through horizontal flow.Pressure gradient (pressure drop per unit length) and in situ concentration profile are used as primary parameters.This article provides a clear relationship between the different parameters of three-phase fluid flow through a horizontal pipeline.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,377
Écart entre enseignants0,330 · 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'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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational Methods and Experimental MeasurementsMême sujetFluid Dynamics and Heat TransferTravaux en français237 207