MétaCan
Menu
Retour à la cohorte
Enregistrement W3116351756 · doi:10.1115/1.4049400

On the Use of a Buoyancy Parameter for Distinguishing Deteriorated From Normal Heat Transfer in Upward Flows at Supercritical Pressures

2020· article· en· W3116351756 sur OpenAlexaff
Nathan Kline, Stavros Tavoularis

Notice bibliographique

RevueJournal of Fluids Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBuoyancyThermodynamicsMechanicsSupercritical fluidMass fluxHeat transferHeat fluxRefrigerantWork (physics)Mass transferFlux (metallurgy)Materials scienceChemistryHeat exchangerPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract An extensive analysis of two versions of a buoyancy parameter as supercritical heat transfer deterioration (DHT) identifiers was conducted for large databases obtained in carbon dioxide flowing through three electrically heated tubes with internal diameters equal to 4.6, 8.0, and 22.0 mm and in Refrigerant R134a through an 8.0 mm tube. For the first time, buoyancy parameter profiles along each tube were considered for wide ranges of closely incremented operating conditions. The occurrence of DHT in each test section was first assessed confidently by observation of wall temperature profiles and comparison of measurements with wall temperature predictions of a correlation for normal heat transfer (NHT). The objective of this work was to determine whether a universal buoyancy parameter threshold could be used as a means for identifying DHT in a test section. It was found that correction factors were required for both parameters to account for an observed shift of the threshold for DHT occurrence, as the mass flux was changed. The resulting threshold for one of the buoyancy parameters identified correctly DHT for cases having a mass flux up to a certain value, but failed to do so for cases with a higher mass flux.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,044
Tête enseignante GPT0,223
Écart entre enseignants0,179 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetHeat transfer and supercritical fluidsTravaux en français237 207