MétaCan
Menu
Retour à la cohorte
Enregistrement W3193567910 · doi:10.2495/cmem-v9-n3-261-275

Spherical particle migration evaluation in low reynolds number couette flow using smooth profile method

2021· article· en· W3193567910 sur OpenAlexaff
Mahyar Pourghasemi, Nima Fathi, Peter Vorobieff, Goodarz Ahmadi, Seyed Sobhan Aleyasin, Luís Eça

Notice bibliographique

RevueInternational Journal of Computational Methods and Experimental Measurements · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Science Foundation
Mots-clésReynolds numberCouette flowTaylor–Couette flowFlow (mathematics)MechanicsParticle (ecology)PhysicsHele-Shaw flowParticle methodClassical mechanicsMathematicsGeologyMathematical analysisTurbulence

Résumé

récupéré en direct d'OpenAlex

An Eulerian-Lagrangian model is developed to investigate the solid particle migration in low Reynolds number shear flows between two parallel plates.A continuous kernel function with a predefined thickness is applied in the implemented numerical model to smooth the discontinuity at the interface between primary and secondary phases.At each time step, the solid particle's rotation and displacement are calculated to directly capture the interaction between the solid particle and primary liquid phase without simplification.Solution verification is performed using the global deviation grid convergence index approach.The observed order of accuracy for the primary phase solver approaches 2, consistent with the formal order of accuracy of the applied discretization scheme.The obtained velocity profiles from the implemented numerical approach show a good agreement with the analytical solution, confirming the single-phase flow solver's reliability.The obtained numerical results from the applied Eulerian-Lagrangian multiphase model are also compared with experimental data from a linear shear flow apparatus with suspended buoyant particles, and good agreement was found.

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 enseignants0,005
Score d'incertitude au seuil0,010

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,074
Tête enseignante GPT0,428
Écart entre enseignants0,354 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational Methods and Experimental MeasurementsMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207