MétaCan
Menu
Retour à la cohorte

TURBULENT FLOW SIMULATION OF THE NONNEWTONIAN FLUIDS THROUGH A POROUS MEDIUM USING LES TURBULENCE MODEL

2023· article· en· W4388900275 sur OpenAlexaff
Sarah Taheripour, Fatemeh Gholami Malek-Abad, Amirhossein Khayyaminejad, Mohammad Reza Saffarian

Notice bibliographique

RevueSpecial Topics & Reviews in Porous Media An International Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésTurbulenceMechanicsPorous mediumPorosityDilatantNon-Newtonian fluidTurbulence modelingCarreau fluidMaterials scienceLarge eddy simulationPower-law fluidFlow (mathematics)PhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

In this study, fully turbulent flow of non-Newtonian fluids is studied in a square periodic array as a porous medium, with porosity ranging from 0.5 to 0.84. Large eddy simulation (LES) is used as an effective turbulence model at a Reynolds number of 40,000. The governing equations are solved by Ansys Fluent commercial software for various porosities. The power-law and Carreau approaches are employed to model the dilatant and pseudo-plastic non- Newtonian fluids. In this study, the power-law and Carreau models are also compared. The results showed that an increase in porosity has a significant effect on flow parameters. Specifically, as porosity increases, vorticities, pressure, and velocity values increase within the computational domain. Moreover, it was observed that the Carreau model has a greater ability to obtain more realistic results in porous media domain and complex geometries.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,848

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,058
Tête enseignante GPT0,318
Écart entre enseignants0,261 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpecial Topics & Reviews in Porous Media An International JournalMême sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207