MétaCan
Menu
Retour à la cohorte
Enregistrement W3148465669 · doi:10.18280/mmep.080105

Mathematical Modelling and Analysis of Hybrid Solar Desalination System Using Evacuated Tube Collector (ETC) and Compound Parabolic Concentrator (CPC)

2021· article· en· W3148465669 sur OpenAlexvenueno aff
Shridhar Kedar, G. Murali, Anand K. Bewoor

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar-Powered Water Purification Methods
Établissements canadiensnon disponible
Organismes subventionnairesSavitribai Phule Pune University
Mots-clésNonimaging opticsParabolic reflectorConcentratorDesalinationTube (container)Solar desalinationMaterials scienceOpticsMechanical engineeringEngineeringPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Solar desalination system is one of the technologies which converts hard water to soft water which even is useful for drinking purpose.This paper reports the mathematical modelling of hard water desalination using hybrid (ETC + CPC) solar desalination system.This model considers various parameters such as intensity of solar radiation, atmospheric temperature, wind speed, material for compound parabolic concentrator, flow rate, concentration ratio and gives idea for system performance in terms of soft water production.Experiments were conducted at Pune City which is located in western region of India and accordingly environmental parameter are considered accordingly.It is observed that average percentage error values calculated using this proposed model to quantity soft water in comparison with actual experimental results are in the range of 3% to 5%.Hence, it is concluded that numerically calculated quantity of soft water per bottle has good agreement with analytical calculation with developed thermal model.It is evident that developed model predicts the behaviour of the actual system.

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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,255
Écart entre enseignants0,207 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetSolar-Powered Water Purification MethodsTravaux en français237 207