MétaCan
Menu
Retour à la cohorte
Enregistrement W3011482401 · doi:10.5281/zenodo.1344610

Numerical Simulation Of Contrail Ice Particle Growth In The Near Field Of An Aircraft Engine

2018· article· en· W3011482401 sur OpenAlexaff
Sébastien Cantin, François Morency, François Garnier

Notice bibliographique

RevueEspace ÉTS (ETS) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMeteorologyEnvironmental scienceParticle (ecology)Field (mathematics)Aerospace engineeringGeologyPhysicsEngineeringMathematicsOceanography

Résumé

récupéré en direct d'OpenAlex

Contrails from aircraft may have a direct impact on the Earth’s radiative budget balance. The aim of this study is to examine the formation of contrails in the near field of a realistic configuration based on the CFM56 engine and consequently, on the soot and ice particles evolution. In this work, we focused on a primary exhaust jet laden with soot particles and mixed with a secondary jet (bypass flow) in the cold ambient air. The study has been performed using a 2D axisymmetric CFD calculation based on an URANS (Unsteady Reynolds Average Navier-Stokes) approach. Numerical simulations have been performed using STAR-CCM+, a commercial code for multiphysics. The particles are tracked using the Lagrangian approach. A microphysical model was used to calculate their growth. The results show the evolution of ice crystal sizes throughout the exhaust jets. As an example, the mean particle radius grows up to approximately 0.7 <em>μm</em> 0.5 s downstream in agreement with experimental data.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,273
Score d'incertitude au seuil0,234

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 Opus0,010
Tête enseignante GPT0,247
Écart entre enseignants0,237 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace ÉTS (ETS)Même sujetIcing and De-icing TechnologiesTravaux en français237 207