MétaCan
Menu
Retour à la cohorte
Enregistrement W3109494852 · doi:10.1051/e3sconf/202019502009

Modeling multiphase flow with a hybrid model based on the Pore-network and the lattice Boltzmann method

2020· article· en· W3109494852 sur OpenAlexaff
Eduard Puig Montellà, Chao Yuan, Bruno Chareyre, Antonio Gens

Notice bibliographique

RevueE3S Web of Conferences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLattice Boltzmann methodsComputationMultiphase flowPorous mediumMechanicsStatistical physicsCapillary actionHydrostatic equilibriumLattice (music)Capillary pressureMaterials scienceSPHERESPorosityComputer scienceAlgorithmPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Lattice Boltzmann method (LBM) simulations provide an excellent description of two-phase flow through porous media. However, such simulations require a significant computation time. In order to optimize the computation resources, we propose a hybrid model that combines the efficiency of the pore-network approach and the accuracy of the lattice Boltzmann method at the pore scale. The hybrid model is based on the decomposition of the granular assembly into small subsets, in which LBM simulations are performed to determine the main hydrostatic properties (entry capillary pressure, capillary pressure - liquid content relationship and liquid morphology for each pore throat). A primary drainage of a random packing of spheres is presented and contrasted to the results of the same problem fully resolved by the LBM. Liquid morphology and invasion paths are correctly reproduced by the hybrid method.

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: aucune
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,413

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 Opus0,040
Tête enseignante GPT0,262
Écart entre enseignants0,222 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207