A Multi–Level Approach for Simulation of Storage and Respiration of Produce
Notice bibliographique
Résumé
A produce gas respiration model and fruit-stack geometric digital generation approach is used with commercial CFD software (ANSYS CFXTM) to conduct shape-level simulations of the fluid flow, heat and respiration processes that occur during the storage of produce, with the ultimate purpose of providing detailed information that can be used to develop closure coefficients for volume-averaged simulations. A digital generation procedure is used to develop an accurate representation of the shapes of the different produce. The produce shapes are then implemented into a discrete element modelling tool to generate a randomly-distributed stack of produce in a generic container, which is then utilized as a representative elementary volume (REV) for simulations of airflow and respiration. Simulations are first conducted on single pieces of produce and compared to a recently published experimental data for tomatoes and avocadoes to generate coefficients for the respiration model required for the shape-level simulations on the REV. The results of the shape-level simulation are then processed to produce coefficients that can be used for volume-averaged (porous-continuum-level) calculations, which are much more practical for simulations of large areas of storage comprised of hundreds or thousands of boxes of different commodities. The results show that the multi-level approach is a viable means for developing the simulation parameters required to study refrigeration, ripening and storage/transport of produce.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».