MétaCan
Menu
Retour à la cohorte
Enregistrement W3138108734 · doi:10.5004/dwt.2021.26816

Modeling of heat and mass transfer in direct contact membrane distillation: effect of counter diffusion velocity

2021· article· en· W3138108734 sur OpenAlexaff
Hesam Bazargan Harandi, Anahita Asadi, Mohammad Rahnama, Ned Djilali, Pang‐Chieh Sui

Notice bibliographique

RevueDesalination and Water Treatment · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMembrane distillationMass transferDiffusionMechanicsDistillationHeat transferMembraneMaterials scienceThermodynamicsChemistryChromatographyPhysicsDesalination

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Membrane distillation is a non-isothermal separation process that uses a porous hydrophobic membrane. Water in the hot feed stream diffuses through the membrane in the form of vapor and condenses on the cold permeate side. Inside the porous membrane, the diffusion of water vapor is accompanied by the counter diffusion of air, which is often ignored in most studies. In this study, the role of counter diffusion velocity in a flat-sheet membrane contactor is analyzed using a two-dimensional model of direct-contact membrane distillation with a counter-flow configuration. Considering such a counter diffusion velocity, the simulation results of the total flux showed improved prediction accuracy in relation to experimental data in comparison with that in previous studies. The effects of different parameters, including feed inlet temperature and linear velocity, on gain output ratio (GOR), and transmembrane flux were investigated in detail. Our results indicate that an increase in the feed inlet temperature increases the total flux significantly. It is revealed that a higher linear velocity reduces the heat transfer resistance, which lowers the difference between the bulk and membrane interface temperatures. It was found that increases in both the feed inlet temperature and linear velocity enhanced the GOR. Using a sensitivity analysis, it was observed that membrane thickness had the strongest influence on the GOR and temperature polarization coefficient.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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 revueDesalination and Water TreatmentMême sujetProcess Optimization and IntegrationTravaux en français237 207