MétaCan
Menu
Retour à la cohorte
Enregistrement W2983218196 · doi:10.1115/gt2019-91499

Implementation of Adaptive Gaussian Quadrature for Improved Accuracy of Boundary Element Methods Applied to Three Dimensional Geometries

2019· article· en· W2983218196 sur OpenAlexaff
Michael J. Davies, Joseph Saverin

Notice bibliographique

RevueVolume 9: Oil and Gas Applications; Supercritical CO2 Power Cycles; Wind Energy · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGaussian quadratureQuadrilateralBoundary element methodLaplace's equationMathematical analysisGaussianEllipsoidDipoleConstant (computer programming)Bilinear interpolationQuadrature (astronomy)Finite element methodIntegral equationBoundary value problemGeometryMathematicsPhysicsComputer scienceNyström methodOptics

Résumé

récupéré en direct d'OpenAlex

Abstract An adaptive Gaussian quadrature method for characterizing flow over three dimensional bodies via a boundary element method using isoparametric quadrilateral elements with non-constant source and dipole strengths has been developed and tested. This method is compared to state-of-the-art methods: flat elements with constant strengths, flat elements with bilinear strengths, and twisted elements with constant dipole strengths. As such, an overview of current boundary element methods is provided. The method developed here for twisted elements with non-constant source and dipole strengths is advantageous in that it both better approximates the actual geometry of the surface and the distribution of the dipole and source strengths. The majority of current methods are lacking at least one of these attributes. The developed method has been validated by comparison to two known analytical solutions: a non-lifting ellipsoid and a Kármán-Trefftz airfoil. The flexible and robust procedure presented here results in improved accuracy of the solution to the Laplace equation around three dimensional bodies.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil1,000

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 Opus0,011
Tête enseignante GPT0,293
Écart entre enseignants0,282 · 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.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 9: Oil and Gas Applications; Supercritical CO2 Power Cycles; Wind EnergyMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207