MétaCan
Menu
Retour à la cohorte
Enregistrement W3077846870 · doi:10.5539/jmr.v12n5p1

A Mixed Volume Element With Characteristic Mixed Volume Element for Contamination Transport Problem

2020· article· en· W3077846870 sur OpenAlexvenueno aff
Yirang Yuan, Changfeng Li, Huailing Song, Tongjun Sun

Notice bibliographique

RevueJournal of Mathematics Research · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueDifferential Equations and Numerical Methods
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMathematicsConvection–diffusion equationMathematical analysisOrdinary differential equationPartial differential equationDarcy–Weisbach equationRepresentative elementary volumeMechanicsDifferential equationPorous mediumFinite element methodThermodynamicsChemistryPorosityPhysics

Résumé

récupéré en direct d'OpenAlex

Nonlinear systems of convection-dominated diffusion equations are used as the mathematical model of contamination transport problem which is an important topic in environ mental protection science. An elliptic equation defines the pressure, a convection-diffusion equation expresses the concentration of contamination, and an ordinary differential equation interprets the surface absorption concentration. The transport pressure appears in the equation of the concentration which determines the Darcy velocity and also controls the physical process. The method of conservative mixed volume element is used to solve the flow equation which improves the computational accuracy of Darcy velocity by one order. We use the mixed volume element with the characteristic to approximate the concentration. This method of characteristic not only preserves the strong computational stability at sharp front, but also eliminates numerical dispersion and nonphysical oscillation. In the present scheme, we could adopt a large step without losing accuracy. The diffusion is approximated by the mixed volume element. The concentration and its adjoint vector function are obtained simultaneously, and the locally conservative law is preserved. An optimal second order estimates in l2-norm is derived.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,234
Tête enseignante GPT0,418
Écart entre enseignants0,184 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mathematics ResearchMême sujetDifferential Equations and Numerical MethodsTravaux en français237 207