MétaCan
Menu
Retour à la cohorte
Enregistrement W4410239903 · doi:10.1017/jfm.2025.334

Large-eddy simulation of the flow over a realistic riverine geometry

2025· article· en· W4410239903 sur OpenAlexaff
Gianmarco D’Alessandro, Cristian Marchioli, Ugo Piomelli

Notice bibliographique

RevueJournal of Fluid Mechanics · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésLarge eddy simulationGeometryFlow (mathematics)MechanicsComputer scienceGeologyPhysicsTurbulenceMathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, we discuss the transport of sediment and the formation of bedforms in turbulent river flows, under flow conditions typical of flooding events. Through the implementation of an immersed boundary method, a wall model and a morphological model, we were able to simulate complex and mobile geometries under high Reynolds numbers at an affordable computational cost. In particular, we examined the evolution of bedforms on a loose sediment bed under turbulent flow conditions, using input parameters obtained from laboratory measurements. Over time, the bedforms become more three-dimensional and irregular in shape, leading to changes in the shear layer, crest angle and separation patterns. The bedforms continue to evolve until a quasi-steady equilibrium is reached. Our simulations highlight the crucial role played by the small-scale bedforms, which significantly affect the flow dynamics: an increase in the total drag is observed, related to the form drag generated by the local recirculation and the increased size of the large-scale recirculation bubble. Furthermore, a stronger turbulent activity ensues from the shear layers forming on the crests of the small-scale bedforms. Finally, a wider shedding angle of the shear layer is caused by the irregular crest line.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,006
Tête enseignante GPT0,241
Écart entre enseignants0,234 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid MechanicsMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207