MétaCan
Menu
Retour à la cohorte
Enregistrement W2912079239 · doi:10.5004/dwt.2019.23477

Experimental and numerical study of the characteristics of thermal and nonthermal offset buoyant jets discharged into stagnant water

2019· article· en· W2912079239 sur OpenAlexaff
Hassan Alfaifi, Abdolmajid Mohammadian, Hossein Kheirkhah Gildeh, Amir Gharavi

Notice bibliographique

RevueDesalination and Water Treatment · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)ThermalMechanicsEnvironmental scienceNuclear engineeringMeteorologyMaterials sciencePhysicsEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper evaluates the effect of receiving water conditions on offset buoyant jet behavior. Several experiments on the discharge of thermal and nonthermal horizontal buoyant offset jets into stagnant ambient water are conducted. Particle Image Velocimetry (PIV) is used to measure the time history of the jet velocity distribution. Various characteristics of the jet flow, such as the centerline jet trajectory, jet growth rate and jet velocity decay, are discussed. All comparative experiments are conducted with the same densimetric Froude numbers (Fr d , ranging from 9.9 to 29.8) and density differences ∆ρ, ranging from 5.1 to 17.41). The results show that the trajectories of thermal jets are not the same as those of nonthermal jets, which suggests that thermal jets travel farther than nonthermal jets. The experimental results were then compared to predictions of three Reynolds-averaged Navier-Stokes (RANS) turbulence models: the standard k-ε, realizable k-ε, and buoyancy-modified k-ε. The best prediction of the centerline jet trajectory was found to be obtained from realizable k-ε. The study results revealed that the source of buoyancy (salinity versus temperature for the same values of Fr d and same ∆ρ) affects the trajectory and mixing properties of the jet.

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 enseignants0,243
Score d'incertitude au seuil0,224

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 Opus0,006
Tête enseignante GPT0,212
Écart entre enseignants0,206 · 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

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesalination and Water TreatmentMême sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207