MétaCan
Menu
Retour à la cohorte
Enregistrement W3027788265 · doi:10.1615/tfec2020.fnd.032194

A NUMERICAL STUDY OF ASSISTING MIXED CONVECTIVE HEAT TRANSFER FROM NARROW ISOTHERMAL VERTICAL FLAT PLATES

2020· article· en· W3027788265 sur OpenAlexaff
Mohamed Elkhmri, Patrick H. Oosthuizen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésIsothermal processConvectionHeat transferMechanicsMaterials scienceConvective heat transferCombined forced and natural convectionNatural convectionThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Many studies of mixed convective heat transfer from heated flat plates with the forced flow parallel to the plate surface are available, most of these studies dealing with wide plates. However, practical situations exist in which there is effectively mixed convective heat transfer from narrow plates and in such cases the relative plate width is expected to have a significant influence on the heat transfer rate. The present study numerically investigates how the relative width of the plate affects the mixed convective heat transfer rate from a thin narrow vertical plate. It has been assumed that the plate surfaces are isothermal. The Boussinesq approach has been adopted. The solution has been obtained using ANSYS FLUENT . The mean heat transfer rate from the heated surface of the plate has been expressed in terms of a Nusselt number based on the length of the plate, this Nusselt numbers being dependent on the Rayleigh number and the Reynolds number based on the plate length, on the ratio of the plate width to the plate length, and on the Prandtl number. Results have only been obtained for a Prandtl number of 0.74. Variations of the Nusselt numbers with Rayleigh number and with Reynolds number for various dimensionless plate widths have been obtained, the results showing that the effect of the plate width on the heat transfer rate can be significant.

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 enseignants0,199
Score d'incertitude au seuil0,502

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 Opus0,017
Tête enseignante GPT0,212
Écart entre enseignants0,194 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207