MétaCan
Menu
Retour à la cohorte
Enregistrement W3162635518 · doi:10.1177/09544062211008481

Thermal analysis of higher-order chemical reactive viscoelastic nanofluids flow in porous media via stretching surface

2021· article· en· W3162635518 sur OpenAlexaff
Mohamed R. Eid, Fazle Mabood

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensFanshawe College
Organismes subventionnairesnon disponible
Mots-clésThermophoresisNanofluidBrownian motionMechanicsPorous mediumViscoelasticityMass transferHeat transferFlow (mathematics)ThermodynamicsMaterials scienceDimensionless quantityClassical mechanicsPhysicsPorosityComposite material

Résumé

récupéré en direct d'OpenAlex

The essence of the present investigation is to reveal the hydrothermal variations of viscoelastic nanofluid flow in a porous medium over a stretchable surface. A higher-order chemical reaction is incorporated with thermophoresis and Brownian motion. Similarity conversions reduce the resulting equations into their dimensionless form and then solved using Runge-Kutta-Fehlberg (RKF) based shooting procedure. The effects of underlying factors on the flow are discussed through various graphs and tables. Computational results for noteworthy skin friction and heat and mass transport are presented and reviewed with sensible judgment. The study reveals that the fluid velocity reduces with incremental values of the viscoelastic parameter [Formula: see text] and magnetic strength. The temperature reduces for the suction parameter with the existence of stretchable but enhances with thermophoresis and Brownian motion effects. Heat transfer rate amplifies for [Formula: see text] but declines for [Formula: see text]. Mass transfer rate increases with the increase in Brownian parameter and Schmidt number. A comparative analysis shows a better agreement with previous results in limiting scenarios.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,056
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering ScienceMême sujetNanofluid Flow and Heat TransferTravaux en français237 207