MétaCan
Menu
Retour à la cohorte
Enregistrement W4224268965 · doi:10.3390/w14081307

Numerical Simulation of Turbulent Flow in Bends and Confluences Considering Free Surface Changes Using the Volume of Fluid Method

2022· article· en· W4224268965 sur OpenAlexaff
Rawaa Shaheed, Abdolmajid Mohammadian, Xiaohui Yan

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensWilfrid Laurier UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTurbulenceFree surfaceMechanicsVolume of fluid methodOpen-channel flowFlow (mathematics)Reynolds numberDisplacement (psychology)Channel (broadcasting)Volume (thermodynamics)Reynolds stressComputer simulationGeologyMathematicsPhysicsGeometryThermodynamicsEngineering

Résumé

récupéré en direct d'OpenAlex

The impact of secondary flows on the flow velocity in open channel bends and confluences was simulated using three-dimensional (3D) numerical models. The Reynolds-averaged Navier–Stokes equation system was utilized as the governing equations and two different turbulence models were employed in this study: the standard k-ε model and the realizable k–ε model. In a recent study by the authors, the rigid lid approach was used, which does not allow for vertical displacement of the water surface. In this study, the simulation of free surface displacements was simulated using the volume of fluid free-surface tracking method. The numerical models were evaluated and validated by using the experimental data of a sharply curved channel and a confluent channel. The accuracies of the two turbulence models were evaluated and discussed. This study found that both models can satisfactorily reproduce the experimental data. However, the standard k–ε model performed better for the curved channel case while the Realizable k–ε model performed better for the confluent channel case.

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: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,021
Tête enseignante GPT0,258
Écart entre enseignants0,237 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207