A Very Large Eddy Simulation Model Using a Reductionist Inlet Turbulence Generator and Wall Modeling for Stable Atmospheric Boundary Layers
Notice bibliographique
Résumé
Abstract— Despite many advances in numerical simulation of stable boundary layers (SBL), most of the models developed are complex and computationally expensive. A computational fluid dynamics (CFD) strategy is proposed that combines very large eddy simulation (VLES) with a reductionist inflow turbulence generator and wall modeling aimed at affordable and practical simulation of SBL. Unlike the standard LES requiring the filter width to be of the scale of grid size, the filter width in VLES can be set at a value between the grid size and the large characteristic length scales of the flow. This strategy, along with the application of wall treatments, results in the significant reduction of computational costs. Moreover, the reductionist approach of the inflow turbulence generator minimizes the number of required input parameters to the model, which makes the model suitable for practical applications. A series of sensitivity studies are conducted to refine the numerical parameters including the grid resolution, filter width, and the inflow turbulence generator variables controlling the length and time scales of the eddies generated at the inlet. The performance of the model is successfully evaluated against wind-tunnel measurements for mean velocity, mean temperature, and turbulence profiles for four different thermal stability levels ranging from weak to strong stability. The spectral analysis of the model for velocity components, temperature, momentum, and heat fluxes showed that the model is capable of successfully resolving the energy cascade for almost two orders of magnitude of wave numbers and partially matching the well-known log-log slopes for the inertial subrange.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».