MétaCan
Menu
Retour à la cohorte
Enregistrement W2929933899 · doi:10.18280/mmep.060103

Heat and nanofluid transfer in baffled channels of different outlet models

2019· article· en· W2929933899 sur OpenAlexvenueno aff
Younes Menni, Ali J. Chamkha, Chafika Zidani, B. Benyoucef

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanofluidHeat transferMechanicsMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

The paper is concerned with the effects of baffled obstacles on steady turbulent Al2O3-H2O nanofluid flow and heat transfer characteristics through channels in different outlet models.The first channel has an outlet as its entrance (case A).The second (case B), third (case C), and fourth (case D) channels have narrow, upper, lower, and central exits, with 45 per cent of their entrance, respectively.These effects are investigated with the help of CFD in a 2D model.The numerical data show improvements in the heat transfer rate of about 45.071, 58.404, 82.413, and 92.433 per cent for cases A, B, C, and D compared to the smooth channel using the same solid volume fraction of Al2O3 nanoparticle, respectively.Among the most effective channels on heat transfer is case D, about 37.658, 21.356, and 9.348 per cent compared to cases A, B, and C, respectively for the maximum value of Reynolds number.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,185
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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

Citations29
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetHeat Transfer and Boiling StudiesTravaux en français237 207