MétaCan
Menu
Retour à la cohorte
Enregistrement W4386971244 · doi:10.1115/omae2023-104966

Numerical Simulation of the Deflection of Jellyfish due to Air Bubble Curtains

2023· article· en· W4386971244 sur OpenAlexaffabout
Lei Liu, Vandad Talimi, Premkumar Thodi, David T. Gauthier, Mario Paris

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensCentre For Cold Ocean Resources Engineering
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsJellyfishMarine engineeringFlumeDeflection (physics)Reynolds-averaged Navier–Stokes equationsBubbleMechanicsEnvironmental scienceReynolds numberEngineeringSimulationFlow (mathematics)PhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

Abstract Increased jellyfish blooms have gained more attention recently due to their tendency to clog seawater intake systems of nuclear power plant cooling stations and threaten marine fish farms. The Bubble Tubing for Jellyfish Deflection Project (BTJD) was conducted by C-CORE to investigate the efficiency of Canadian Pond.ca’s Bubble Tubing® for jellyfish deflection. A three-dimensional Computational Fluid Dynamics (CFD) model was developed to quantify air bubble curtain performance for jellyfish deflection. The commercial CFD package STAR-CCM+ was used for this purpose. The multi-phase (water and air) fluid flow dynamics were simulated by solving Reynolds Averaged Navier Stokes (RANS) equation. The Discrete Element Modeling (DEM) approach was utilized to model the individual jellyfish behavior. The CFD model was initially used to optimize the flume tank test design, and then the model was validated using the test results from the flume tank. CFD simulations covered a range of test parameters such as current speed, number of curtains, curtain spacing, bubbler angles and air flow rates. Good agreement was observed between the CFD simulations and flume tank test results. The developed CFD model can be utilized for similar applications at field scales.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil0,831

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,221
Écart entre enseignants0,205 · 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'étudeObservationnel
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 sujetMarine and environmental studiesTravaux en français237 207