MétaCan
Menu
Retour à la cohorte
Enregistrement W3038691301 · doi:10.18186/thermal.764153

A SIMULATED STUDY ON THE EFFECT OF WATER TEMPERATURE ON COOLING EFFICIENCY OF WATER MIST FIRE EXTINGUISHERS

2020· article· en· W3038691301 sur OpenAlexaff
Amir Omidvar, Amirhossein Mahdavi, Reza Mehryar

Notice bibliographique

RevueJournal of Thermal Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMistMaterials scienceEvaporationEnvironmental sciencePenetration (warfare)Water coolingThermalMechanicsMeteorologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

In this paper, the effect of initial water temperature on the cooling performance of a water mist fire suppression system has been investigated. A zero-dimensional analytical model was first developed to study the thermal and dynamic behavior of a single water droplet. The developed model was validated against available experimental data in the literature. The developed model was further extended to simulate the transient heating, evaporation, break-up, and liquid penetration length of a hollow-cone water spray. Results indicated that increasing the initial temperature of the water spray before injection resulted in a decrease in the initial size distribution of the spray droplets. It was further found that the evaporation time of the injected droplets decreased by about 11% and the cooling power of the pre-heated water mist system enhanced by 12% in exchange for increasing the initial temperature of the water spray by 10˚C. It was concluded that pre-heating the sprayed water droplets would likely improve the cooling efficiency of the water mist system. It could be also inferred that at equal cooling power, less water was consumed by the pre-heated spray compared to conventional water mist systems.

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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,213
Écart entre enseignants0,206 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thermal EngineeringMême sujetFire dynamics and safety researchTravaux en français237 207