MétaCan
Menu
Retour à la cohorte
Enregistrement W4212999967 · doi:10.1016/j.ijft.2022.100139

Numerical analysis of a counter-flow wet cooling tower and its plume

2022· article· en· W4212999967 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Thermofluids · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdsorption and Cooling Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCooling towerPlumeEnvironmental scienceVisibilityTowerMeteorologyEvaporationAtmospheric sciencesWater coolingGeologyEngineeringMechanical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

A one-dimensional model to study the heat and mass transfer inside and immediately above a wet counter-flow cooling tower is described. The wet cooling tower thermodynamic model assigns zone-specific Merkel numbers to each of the rain, fill, and spray zones, and it includes an atmospheric plume model. Using the present formulation, zone-by-zone rates of heat rejection and water evaporation can be estimated, as can the visible plume height. The model is validated against the well-established Poppe and Merkel methods as well as select field data. Cooling tower performance and plume visibility are evaluated under a variety of climatic conditions (hot-dry, hot-humid, cool-dry and cool-humid), cooling tower designs (e.g. fill zone height, Hfz), and operating conditions (e.g. water-to-air mass flow rate ratio, L/G). The parametric study in question highlights the ability of the proposed model to predict the impact of ambient conditions, cooling tower design parameters, and operating conditions on overall performance and patterns of atmospheric dispersion. The proposed model is ideal for numerical optimization of cooling towers that need to meet stringent thermal performance and plume visibility requirements.

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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