MétaCan
Menu
Retour à la cohorte
Enregistrement W4405990343 · doi:10.1080/01932691.2024.2444984

Analysis of water-air multiphase flow through a pipeline with two leaks using numerical and experimental methods

2025· article· en· W4405990343 sur OpenAlexaff
Hicham Ferroudji, Muhammad Saad Khan, Abinash Barooah, Mohammad Azizur Rahman, Ibrahim Hassan, Rashid Hassan, Ahmad K. Sleiti, Sina Rezaei Gomari, Matthew Hamilton

Notice bibliographique

RevueJournal of Dispersion Science and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesQatar National Research Fund
Mots-clésMultiphase flowPetroleum engineeringEnvironmental scienceFlow (mathematics)Pipeline (software)MechanicsMaterials scienceGeologyEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Given that most petroleum companies produce and transport both oil and gas at the same time, multiphase flows are extremely important in the oil and gas industry. Common causes of pipeline leaks include corrosion, aging, and metal deterioration. As a result, developing a practical technique to identify and locate leaks in pipelines is needed. In the present work, a 3D numerical model is developed using Ansys-Fluent considering the Volume Of Fluid (VOF) approach coupled with the 𝑘−𝜀 turbulence model to investigate the occurrence of simultaneous leaks (1st leak 3 mm and 2nd leak 1.8 mm) within a pipeline conveying multiphase flow. The numerical results are validated against experimental data collected from a flow loop system in the Lab, where a significant level of agreement was observed. Moreover, the flow behavior in the pipeline, as well as in the surrounding area of the leaks (water tank), is evaluated. For instance, the case showing the lowest value of the air volume fraction in the pipeline presents the highest value in the water tank. Additionally, Log Mel Spectrogram representation allows the identification of occurring phenomena, including air phase introduction and the presence of leakage in the pipeline.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,327
Écart entre enseignants0,317 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dispersion Science and TechnologyMême sujetFluid Dynamics and MixingTravaux en français237 207