MétaCan
Menu
Retour à la cohorte
Enregistrement W2955098095 · doi:10.1002/num.22408

The discrete duality finite volume method for a class of quasi‐Newtonian Stokes flows

2019· article· en· W2955098095 sur OpenAlexafffund
Zhengkang He, Rui Li, Jie Chen, Zhangxin Chen

Notice bibliographique

RevueNumerical Methods for Partial Differential Equations · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Science Foundation of Shaanxi ProvinceCMG Reservoir Simulation Foundation
Mots-clésMathematicsDuality (order theory)Polygon meshFinite volume methodConvergence (economics)Newtonian fluidRate of convergenceCompressibilityMathematical analysisTensor (intrinsic definition)Applied mathematicsGeometryPure mathematicsClassical mechanicsComputer sciencePhysicsKey (lock)

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we propose a discrete duality finite volume (DDFV) scheme for the incompressible quasi‐Newtonian Stokes equation. The DDFV method is based on the use of discrete differential operators which satisfy some duality properties analogous to their continuous counterparts in a discrete sense. The DDFV method has a great ability to handle general geometries and meshes. In addition, every component of the velocity gradient can be reconstructed directly, which makes it suitable to deal with the nonlinear terms in the quasi‐Newtonian Stokes equation. We prove that the proposed DDFV scheme is uniquely solvable and of first‐order convergence in the discrete L2‐norms for the velocity, the strain rate tensor, and the pressure, respectively. Ample numerical tests are provided to highlight the performance of the proposed DDFV scheme and to validate the theoretical error analysis, in particular on locally refined nonconforming and polygonal meshes.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,046
Tête enseignante GPT0,404
Écart entre enseignants0,358 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNumerical Methods for Partial Differential EquationsMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207