MétaCan
Menu
Retour à la cohorte
Enregistrement W4210421207 · doi:10.1063/5.0079404

Equations of state for single-component and multi-component multiphase lattice Boltzmann method

2022· article· en· W4210421207 sur OpenAlexaff
Saleh S. Baakeem, Saleh A. Bawazeer, A. A. Mohamad

Notice bibliographique

RevuePhysics of Fluids · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMultiphase flowComponent (thermodynamics)Lattice Boltzmann methodsStatistical physicsPhysicsHagen–Poiseuille equationMechanicsCohesion (chemistry)AzeotropeMixing (physics)ThermodynamicsFlow (mathematics)ChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

The lattice Boltzmann method is an alternative method for conventional computational fluid dynamics. It has been used for simulating single-phase and multiphase flows and transport phenomena successfully and efficiently. In the current work, single-component and multi-component multiphase systems are studied. A methodology that differentiates between types of fluids is developed. Moreover, an approach for a multi-component multiphase system is developed in which a single distribution function is used regardless of the number of components. The value of the cohesion parameter (Gf) in the multi-component multiphase model becomes unimportant, like the cohesion parameter (Gp) in the single-component multiphase model, because their effects cancel when calculating the cohesion force. The fluids and mixtures are treated as real, so that mixing rules are used for the mixtures. Several types of fluids and mixtures are considered to investigate the capability of the proposed approach in dealing with miscible mixtures in both azeotrope and non-azeotrope situations. The layered Poiseuille flow and falling droplet on a liquid film are presented to evaluate the model developed. We conclude that this methodology can distinguish between different types of fluids when modeling single-component and multi-component multiphase systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,621
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,061
Tête enseignante GPT0,309
Écart entre enseignants0,248 · 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.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207