MétaCan
Menu
Retour à la cohorte
Enregistrement W4400235767 · doi:10.11159/ffhmt24.036

Numerical Modeling Of Water-Air Multiphase Flow Within A Pipeline In The Presence Of Double Leaks

2024· article· en· W4400235767 sur OpenAlexvenueno aff
Hicham Ferroudji, Muhammad Saad Khan, Abinash Barooah, Mohammad Azizur Rahman, Ibrahim Hassan, Rashid Hassan, Ahmad K. Sleiti, Sina Rezaei Gomari, Matthew Hamilton

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesQatar National Research FundFonds National de la Recherche LuxembourgQatar Foundation
Mots-clésMultiphase flowPipeline (software)Petroleum engineeringFlow (mathematics)Numerical modelsComputer scienceMechanicsEnvironmental scienceMarine engineeringComputer simulationGeologyEngineeringSimulationPhysics

Résumé

récupéré en direct d'OpenAlex

As the majority of petroleum businesses produce and transport gas and oil at the same time, multiphase flows are essential to the oil and gas sector.Aging, metal deterioration, and corrosion are common reasons for pipeline leaks.The energy industry not only suffers financial losses following an event, but it also raises safety and environmental issues.Thus, it becomes essential to create an effective strategy for concurrently identifying pipeline leaks.In the current work, two simultaneous leaks-one measuring 3 mm and the other 1.8 mm-in a pipeline are investigated using a 3D numerical model created with Ansys-Fluent.The experimental data obtained from a laboratory flow loop system is used to validate the numerical results.Additionally, the pipeline's flow behavior and the vicinity of the leaks are assessed.For instance, it is seen that the gas phase's escape velocity through the leaks first drops dramatically before progressively increasing to a constant value in the water tank.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 Opus0,024
Tête enseignante GPT0,231
Écart entre enseignants0,207 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetWater Systems and OptimizationTravaux en français237 207