MétaCan
Menu
Retour à la cohorte
Enregistrement W4398255920 · doi:10.1016/j.oceaneng.2024.118231

Air-water-sand three-phase jets in crossflow, Part I: Distributions of bubble size, gas void fraction, and sand concentration

2024· article· en· W4398255920 sur OpenAlexafffund
Huan Zhang, Zegao Yin, David Z. Zhu, Wenming Zhang

Notice bibliographique

RevueOcean Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Alberta
Mots-clésBubblePorosityMechanicsFraction (chemistry)Air bubbleEnvironmental scienceMaterials scienceGeotechnical engineeringGeologyChemistryPhysicsChromatography

Résumé

récupéré en direct d'OpenAlex

Many natural and man-made processes such as subsea blowouts entail an ejection of a complex mixture of gas-liquid-solid into a flowing ambient, resulting in the formation of three-phase jets in cross-currents. This study is the first of its kind to explore air-water-sand three-phase jets in crossflowing water by conducting a series of physical experiments. Leveraging image processing techniques, the focus is on the distributions of bubble size, gas void fraction, and sand concentration. Our results reveal that sand particles that tend to separate from the bubbly region enhance downstream bubble dispersion. In the studied scenarios, the Sauter mean diameter of bubbles is mainly affected by the initial gas and slurry (liquid-solid-mixture) flow rates. The sand concentration in the bubbly region increases with the slurry flow rate but decreases with the gas flow rate. Furthermore, the sand concentration at the same level as the nozzle exit typically follows a parabolic distribution in the streamwise direction, and the peak position shifts closer to the source with an increased gas flow rate or reduced slurry flow rate. Finally, dimensionless empirical equations are proposed for the gas void fraction and sand concentration, which agree well with the experimental data (R2 = 0.91–0.94).

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil0,710

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 Opus0,007
Tête enseignante GPT0,228
Écart entre enseignants0,222 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOcean EngineeringMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207