MétaCan
Menu
Retour à la cohorte
Enregistrement W2997831965 · doi:10.18280/mmep.060416

On Simulation of the Natural Convection Heat Transfer Between Circular Cylinder and an Elliptical Enclosure Filled with Nanofluid [Part I: The Effect of MHD and Internal Heat Generation/Absorption]

2019· article· en· W2997831965 sur OpenAlexvenueno aff
Ammar Abdulkadhim

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnclosureNanofluidMechanicsNatural convectionMagnetohydrodynamicsHeat transferCylinderInternal heatingMaterials scienceConvectionPhysicsMechanical engineeringMagnetic fieldEngineering

Résumé

récupéré en direct d'OpenAlex

I demonstrated numerically the natural convective heat transfer between inner heated circular cylinder located within cooled elliptical enclosure filled with copper-water nanofluid with internal heat generation/absorption in the presence of horizontal magnetic field.The dimensionless governing equations are solved numerically using finite element scheme.The considered parameters of this study Rayleigh number (103<Ra<107), Hartmann number (0<Ha<60), nanofluid volume fraction (0<ϕ<0.06),heat generation/absorption (-10<q<+10) and the horizontal position of the inner circular cylinder (-0.2≤δ≤+0.2).The results show that increasing Rayleigh number and nanofluid volume fraction increases the fluid flow strength and heat transfer rate.While Hartmann number increasing leads to reduce the Nusselt number.It is obtained also, that absorption of heat augments the heat transfer.Finally, it is found that when the circular cylinder moves into the left side, a better heat transfer will be obtained while it is recommended to move the inner cylinder into right for better fluid flow strength

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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,197
Écart entre enseignants0,186 · 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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207