MétaCan
Menu
Retour à la cohorte
Enregistrement W4320007089 · doi:10.18280/mmep.090603

Computational Multiphase Flow Modelling of Oil Spill Through a Hydrophobic Mesh

2022· article· en· W4320007089 sur OpenAlexvenueno aff
Adedayo S. Adebayo, Daniel Adeyinka, Rasaq A. Kazeem, Omolayo M. Ikumapayi, Lekan Taofeek Popoola, Tien‐Chien Jen, Esther T. Akinlabi

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnvironmental Engineering and Cultural Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOil spillPetroleum engineeringFluentPolygon meshFinite element methodDiscretizationMarine engineeringEnvironmental scienceMultiphase flowComputer scienceFlow (mathematics)Process (computing)Porous mediumEngineeringSimulationPorosityComputer simulationGeotechnical engineeringMechanicsStructural engineering

Résumé

récupéré en direct d'OpenAlex

The current technologies for handling oil spill clean-up vary in expense and effectiveness and are largely ineffective. Oil spills occur due to accidents from well-heads and damaged facilities in the creeks of the Nigerian Delta and along the coastline of waters where hydrocarbons are prospected all over the world. They are unexpected and known to cause irreparable damage to aquatic environments and marine life. The development of a hydrophobic mesh is proposed to prevent oil from spreading into larger areas and from reaching sensitive coastlines. This will help engineers and clean-up crews in their quest to find an appropriate response to a given oil spill scenario as they race against the clock to prevent further damage and improve the oil recovery process. The overall goal of this project is to create a Numerical Simulation of meshes that repel water and attract oil using ANSYS, a Finite Element Analysis software. The mesh was modelled as a porous medium that acts like a filter that retains water on one side while allowing the passage of oil through it. In the course of this work, appropriate materials selection in fluid flow analysis was carried out. Also, the flow domain geometry was developed in such a way as to simulate a system containing an oil-water interface. Next, domain discretization (meshing) was carried out appropriately. After which appropriate boundary conditions and operating conditions were implanted in the model. Fluent was then set to initialize and run calculations. After calculations were run, results were gotten. These results were then interpreted pictorially. It was seen that the velocity streamlines for the oil phase passed through the hydrophobic mesh, while the velocity streamlines for the water phase were repelled from the hydrophobic mesh wall.

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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,194
Écart entre enseignants0,168 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetEnvironmental Engineering and Cultural StudiesTravaux en français237 207