MétaCan
Menu
Retour à la cohorte
Enregistrement W2992136874 · doi:10.1139/cjp-2018-0789

Scrutinization of 2D and mixed convection flow of generalized Newtonian fluid with nanoparticles and magnetic field

2019· article· en· W2992136874 sur OpenAlexvenueno aff
Humara Sardar, Latif Ahmad, Masood Khan

Notice bibliographique

RevueCanadian Journal of Physics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThermophoresisPrandtl numberPhysicsWeissenberg numberSchmidt numberNanofluidCombined forced and natural convectionMechanicsSherwood numberBuoyancyBrownian motionClassical mechanicsNewtonian fluidMomentum (technical analysis)ViscosityConvectionThermodynamicsNusselt numberHeat transferNatural convectionTurbulence

Résumé

récupéré en direct d'OpenAlex

In this research paper we focus on presenting the local non-similar solutions for two-dimensional steady and mixed convective flow of electrically conducting Carreau nanofluid under the influence of Brownian motion and thermophoresis effects. This research paper also presents the new mass flux boundary condition of nanoparticles. The governing partial differential equations are converted into ordinary differential equations by using the local non-similar transformations called the Sparrow–Quack–Boerner local non-similar method. A numerical approach is used to investigate the local non-similar solutions of the entire problem. Outcomes for the skin friction and rate of heat and mass transfer have been obtained and discussed for parametric variations of the buoyancy parameter ξ, magnetic parameter M, Weissenberg number We, viscosity ratio parameter β*, Brownian motion parameter N b , thermophoresis parameter N t , Prandtl number Pr, and Schmidt number Sc. From the obtained results a considerable increase in the skin friction coefficient is observed with an increase in buoyancy parameter ξ. Also, ξ shows relative growth for the momentum and concentration profiles.

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 enseignants0,025
Score d'incertitude au seuil0,216

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 Opus0,005
Tête enseignante GPT0,160
Écart entre enseignants0,155 · 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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207