MétaCan
Menu
Retour à la cohorte
Enregistrement W4390024684 · doi:10.18280/mmep.100604

Mathematical Modelling of Smoke-Filling Dynamics in Compartment Fires: A Two-Zone Approach

2023· article· en· W4390024684 sur OpenAlexvenueno aff
Jessica Kanopp dos Reis, Calisa Katiuscia Lemmertz, Felipe Roman Centeno

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésCompartment (ship)SmokeDynamics (music)Environmental scienceMechanicsGeologyMeteorologyGeographyPhysicsOceanography

Résumé

récupéré en direct d'OpenAlex

A novel two-zone model has been developed to predict the smoke layer height in compartments under pre-flashover fire conditions.This model is premised on the resolution of a mass balance in the upper layer of the compartment, employing the MQH correlation to approximate upper layer temperature.Furthermore, Zukoski's plume entrainment model is utilized to derive the mass flow rate of gases.This model aims to enhance existing methodologies for estimating smoke layer height, such as the widely recognized Zukoski's model, by accommodating vertical openings in the compartment walls and necessitating the resolution of a single differential equation.To validate its efficacy, the smoke layer heights generated by this model under varying fire scenarios were contrasted with those produced by a more intricate two-zone model (which resolves multiple differential equations) and with experimental data documented in the literature.Across all tested scenarios, the proposed model demonstrated considerable concordance with both aforementioned benchmarks.Notably, even in compartments with diverse useful areas and types of openings (window/door), the results procured using the proposed model displayed significant accuracy.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
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 Opus0,051
Tête enseignante GPT0,239
Écart entre enseignants0,188 · 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 présentnon

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetFire dynamics and safety researchTravaux en français237 207