MétaCan
Menu
Retour à la cohorte
Enregistrement W3135565285 · doi:10.1002/cjce.24100

Chaotic characterization of macromixing effect in a gas–liquid stirring system using modified 0–1 test

2021· article· en· W3135565285 sur OpenAlexvenueno aff
Zhang Lian, Kai Yang, Meng Li, Qingtai Xiao, Hua Wang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueNonlinear Dynamics and Pattern Formation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMixing (physics)ChaoticMechanicsTurbulenceFlow (mathematics)Chaotic mixingBubbleChemistryMaterials scienceSimulationMathematicsControl theory (sociology)Computer sciencePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract A new approach to extract the chaotic characteristics of the two‐phase stirring and mixing state is proposed for bottom‐blown oxygen‐enriched bath smelting process of copper. By quantifying the local mixing characteristics in the stirred reactor of bottom‐blowing copper smelting, an improved 0–1 chaotic test method was introduced to measure the chaotic characteristics of a time series of mixing index. It was found that the different channels of the RGB image of turbulence flow field are not the same for the contour feature extraction of the bubble; the single‐channel horizontal profile of the single‐ and double‐distributor flow field images shows single and double peaks, respectively, verifying the accuracy of the hybrid characterization. After calculating the mean and standard deviation time series of grey intensity of the region of interest, the median of the asymptotic growth rate K corr ( c ) of the mixing index time series was used as the criteria of chaos detection in the molten pool dynamic balance state. The variability of chaos in different mixing processes has been more accurately characterized.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,008
Tête enseignante GPT0,184
Écart entre enseignants0,177 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetNonlinear Dynamics and Pattern FormationTravaux en français237 207