MétaCan
Menu
Retour à la cohorte
Enregistrement W4381946757 · doi:10.1063/5.0151320

Adding a simple production term to Reynolds-averaged Navier–Stokes turbulence models for flows over two-dimensional hills

2023· article· en· W4381946757 sur OpenAlexafffund
M.A. Mohamed, David Wood

Notice bibliographique

RevuePhysics of Fluids · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCore Research for Evolutional Science and TechnologyNanyang Technological UniversityUniversity of Calgary
Mots-clésTurbulencePhysicsReynolds stressK-epsilon turbulence modelTurbulence kinetic energyMechanicsReynolds stress equation modelReynolds numberCurvatureTurbulence modelingStatistical physicsK-omega turbulence modelMean flowCrestTerm (time)Flow (mathematics)GeometryMathematics

Résumé

récupéré en direct d'OpenAlex

We consider an additional production term for the k,ε turbulence model that is activated by curvature, for turbulent flow over two-dimensional hills of varying steepness. The new term depends on the difference between the strain rate, S, and the rotation, R, which we refer to as the “SR” modification. It is compared to the standard k,ε turbulence model, the Kato–Launder model, and the re-normalization group and realizable versions of the k,ε model. The Kato–Launder model showed the best overall predictions for mean velocity, turbulent kinetic energy, and Reynolds shear stress at most locations before, on, and after the crest of the hills. The SR model was slightly less accurate but uniquely predicted the flow separation in the lee of the steeper hill and was also correctly predicted the flow re-attachment point. This study demonstrates the importance of including a curvature production term in k–ε-based models for flows over hills.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,570

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)0,0000,000

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 Opus0,023
Tête enseignante GPT0,272
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetWind and Air Flow StudiesTravaux en français237 207