MétaCan
Menu
Retour à la cohorte
Enregistrement W3127889972 · doi:10.22034/ijche.2020.253425.1354

Developing a Mathematical Model to Predict the Behavior of a Supersonic Superheated Steam Flow inside a Laval Nozzle

2020· article· en· W3127889972 sur OpenAlexaboutno aff
Hadi Rezaei, Saeed Ovaysi, Masoud Rahimi

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzleSuperheated steamSuperheatingMechanicsSupersonic speedComputational fluid dynamicsInletMach numberCondensationFlow (mathematics)ThermodynamicsEngineeringMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The objective of the investigation was to mathematically correlate the behavior of a supersonic superheated steam flow inside a Laval nozzle, against the decision parameters. The decision parameters are the inlet temperature ranging from 374.3 K to 504.3 K and the inlet pressure from 40050.14 Pa to 133375.7 Pa. Indeed, the outlet temperature, outlet pressure as well as the Mach number are mathematically correlated against the decision parameters. The numerical approach based on the Computational Fluid Dynamics (CFD) is selected to study the behavior of the supersonic superheated steam flow inside the nozzle. By examining the different temperature and pressure conditions of the inlet fluid, it was found that the closest distance from the starting point of condensation to the throat is at the highest pressure and lowest temperature. Conversely, the farthest distance from the starting point of condensation to the throat is at the lowest pressure and highest temperature. In addition, three mathematical correlations were developed. Due to the high accuracy of the mathematical correlations, the efficiency of the predictor models in predicting the outputs was proved.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,383
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,357
Tête enseignante GPT0,519
Écart entre enseignants0,162 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetRocket and propulsion systems researchTravaux en français237 207