MétaCan
Menu
Retour à la cohorte
Enregistrement W4320494241 · doi:10.1080/02286203.2023.2176674

Numerical examination of water production by underground condensation system

2023· article· en· W4320494241 sur OpenAlexaff
S. Alireza Zarabadi, Mostafa Mafi, P. Jalali Farahani, M. Soltani, Jatin Nathwani

Notice bibliographique

RevueInternational Journal of Modelling and Simulation · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar-Powered Water Purification Methods
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCondensationHumidityEnvironmental scienceWater vaporHydrology (agriculture)GroundwaterRelative humidityInletAir temperatureEnvironmental engineeringGeotechnical engineeringMeteorologyGeologyAtmospheric sciences

Résumé

récupéré en direct d'OpenAlex

Water production by underground condensation is a low-capacity water-gathering technology for hot, humid climates. Hot, humid air is routed to subterranean pipes where it is progressively cooled and the vapor within the pipes appears as water droplets on the pipe surface. The goal of this paper is to quantify the amount of water extracted in the condensation system of humid and hot air. The water produced from humid air in buried pipes in the ground at a 0.5 m depth with different lengths is evaluated using MATLAB software, and optimal pipe length is established. Numerical findings show that water production is about 1 kilogram per day. It has been investigated how air temperature, pipe material, soil temperature, air humidity, and input speed influence underground condensation water production. It has been determined that 20 meters is the optimal length of the pipe. According to studies, Sandstone soil can produce 86%more water than other types of soil. It is also revealed that copper pipes could improve efficiency by 31%. The impact of effective factors on the efficiency of the condensation system, such as intake air temperature and humidity, inlet air velocity, and soil temperature, has also been assessed.

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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,312
Écart entre enseignants0,260 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Modelling and SimulationMême sujetSolar-Powered Water Purification MethodsTravaux en français237 207