MétaCan
Menu
Retour à la cohorte
Enregistrement W4398222010 · doi:10.1080/10407790.2024.2355561

Exploring thermal and solutal features in stagnation point flow of Casson fluid over an exponentially radiative and reactive vertical sheet

2024· article· en· W4398222010 sur OpenAlexaff
MD. Shamshuddin, M. Sunder Ram, N. Ashok, S.O. Salawu

Notice bibliographique

RevueNumerical Heat Transfer Part B Fundamentals · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésStagnation pointThermal radiationMechanicsRadiative transferStagnation temperatureFlow (mathematics)ThermalMaterials scienceExponential growthThermodynamicsPhysicsHeat transferMathematicsMathematical analysisOptics

Résumé

récupéré en direct d'OpenAlex

The stagnation point flow of hydromagnetic Casson liquid flow under an exponentially moving vertical sheet has attracted much attention due to its wide applications. The current investigation considers an incompressible hydromagnetic reacting Casson stagnation point flow in a moving exponential plate and permeable medium. The reduced ordinary quasi-linear derivative equations via similarity transformation and the derivative model are solved computationally through fourth-order Runge–Kutta with a shooting scheme and implemented in MAPLE. The momentum, thermic, and mass transfer profiles and the effect of varying flow terms on the flow variables are determined, and the results are illustrated graphically. The investigations revealed that higher Grashof and Casson term augments velocity. The skin friction characteristic decreases when the flow parameter porosity and Grashof number estimations are dropped. Better heat transfer performance is recorded for thermal solid radiation. The mass transfer characteristics factor decreases when the flow parameter estimations are raised. The proposed model convergence is achieved and presented in the table. The old results agreed with the present; this shows that the numerical method is suitable for solving the model.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
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 Opus0,034
Tête enseignante GPT0,249
Écart entre enseignants0,215 · 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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNumerical Heat Transfer Part B FundamentalsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207