MétaCan
Menu
Retour à la cohorte
Enregistrement W3215356220 · doi:10.1063/5.0070092

Research on spectral estimation parameters for application of spectral proper orthogonal decomposition in train wake flows

2021· article· en· W3215356220 sur OpenAlexaff
Xiaobai Li, Guang Chen, Xifeng Liang, Dongrun Liu, Xiaohui Xiong

Notice bibliographique

RevuePhysics of Fluids · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Scholarship Council
Mots-clésPhysicsCutoffAerodynamicsDynamic mode decompositionWakeSpectral densityAlgorithmComputer scienceMechanicsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Coherent structures in surrounding flows around ground vehicles play an important role in characterizing their aerodynamic features. However, due to restrictions of traditional reduced-order models, extracting physically meaningful coherent structures from turbulent flows with massive separation still remains a challenging issue. The spectral proper orthogonal decomposition (SPOD), which extracts modes optimally representing the space-time flow statistics, enables the feasibility of further modeling and control of vehicle aerodynamic features. This study intends to investigate the influence of spectral estimation parameters on SPOD results, so as to serve as fundamentals for future works into this topic. The time-resolved pressure field obtained from a large-eddy simulation considering a generic high-speed train is used as the snapshot database. Spectral estimation parameters including block number, frequency resolution, and cutoff frequency are, respectively, discussed to quantify their impacts on both SPOD spectra and modes. The results reveal that, with the increasing of block number, higher reliability and accuracy of SPOD prediction can be achieved, with the block number of 20–30 that leads both requirements of efficiency and precision. The frequency axis with finer resolution reproduces more detailed spectral information, with the eigenvalue distribution and spatial distribution of mode energy under acceptable accuracy when dimensionless frequency resolution reaches 0.025. Moreover, the reducing of cutoff frequency results in increasing unresolved energy content, which will be distributed mostly near the corresponding cutoff frequency, and more minor scaled spatial structures in SPOD modes. The findings and approaches could also work as references for wider application field of SPOD approach.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,035
Tête enseignante GPT0,341
Écart entre enseignants0,306 · 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'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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207