MétaCan
Menu
Retour à la cohorte
Enregistrement W2993810612 · doi:10.1115/ht2019-3691

Confined Impinging Slot Jets in Porous Media With Nanofluids

2019· article· en· W2993810612 sur OpenAlexaff
Bernardo Buonomo, Anna di Pasqua, Oronzio Manca, Ghofrane Sekrani, Sébastien Poncet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésPéclet numberNanofluidMechanicsHeat transferMaterials sciencePorous mediumConvectionParticle (ecology)Rayleigh numberHeat transfer coefficientJet (fluid)ThermodynamicsRayleigh scatteringPorosityNatural convectionPhysicsOpticsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper a numerical investigation on mixed convection in confined slot jets impinging on a porous media is accomplished. The working fluids are pure water or Al2O3/water based nanofluids and a single-phase model approach has been adopted in order to describe their behavior. A two-dimensional configuration is analized and different Peclet numbers and Rayleigh numbers are considered. The thermal non-equilibrium energy condition is assumed to execute two-dimensional simulations on the system. The examined foams are characterized by distinct values of pores per inch, PPI, equal to 5, 10, 20 and 40. The particle volume concentrations range from 0% to 4% and the particle diameter is equal to 30 nm. The target surface is heated by a constant temperature value, calculated according to the value of Rayleigh number. The distance of the target surface is five times greater than the slot jet width. The aim consists into study the thermal and fluid-dynamic behaviour of the system. Results show increasing values of the convective heat transfer coefficients for increasing values of Peclet number and nanoparticle concentration. Furthermore, the heat transfer coefficient presents a different behavior at varying PPI numbers for different Peclet numbers.

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 enseignants0,113
Score d'incertitude au seuil0,539

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 Opus0,006
Tête enseignante GPT0,182
Écart entre enseignants0,176 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207