Correlations for prediction of hydrogen gas viscosity and density for production, transportation, storage, and utilization applications
Notice bibliographique
Résumé
Accurate determination of hydrogen transport properties is essential for hydrogen production , transportation, storage, and utilization. Different Equations of State (EoS) are commonly used to calculate hydrogen thermophysical properties . However, EoS approaches are usually implicit and require numerous calculations and could be very time consuming. Therefore, the end users often desire the predictions of thermophysical properties using simple empirical correlations, which can be considered a practical solution to reduce the computational burden of EoS calculations. This study presents new explicit empirical correlations using symbolic regression analysis of available experimental data to calculate hydrogen viscosity and density. The developed viscosity correlation provides accurate predictions over the temperature range of 100–2130 K for dilute gas and 14 (H 2 triple point) −1000 K for hydrogen gas up to 220 MPa. The results show an average absolute deviation (AAD) of 1.06% in the predicted gas viscosity , with the largest deviation in the vicinity of the critical point . The dilute gas viscosity was also predicted with an AAD of 0.467%. The density correlation represents a high prediction accuracy with an AAD of 0.26% over the temperature and pressure ranges of 150–423 K and 0.1–220 MPa, respectively. The developed correlations offer a higher prediction accuracy and find applications in hydrogen production , transportation, storage, and utilization value chain.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».