MétaCan
Menu
Retour à la cohorte
Enregistrement W4410347614 · doi:10.1016/j.matcom.2025.04.032

A semi-implicit method for modeling salinity and temperature in variable-density flow

2025· article· en· W4410347614 sur OpenAlexaff
Amine Hanini, Abdelaziz Beljadid

Notice bibliographique

RevueMathematics and Computers in Simulation · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésVariable (mathematics)Flow (mathematics)SalinityThermodynamicsMechanicsMathematicsComputer scienceGeologyMathematical analysisPhysics

Résumé

récupéré en direct d'OpenAlex

In this study, we propose semi-implicit techniques for solving the coupled variable-density model of shallow water flows and transport processes, taking into account temperature and salinity. In the proposed numerical approach, we first compute the water depth and the conservative variables related to temperature and salinity using their governing continuity equations. The obtained values are used in the mixture density source terms which allows us to design semi-implicit discretization techniques for solving the momentum equations. To discretize the flux term, a well-balanced Godunov-type finite volume scheme is used with a suitable linear reconstruction of the system’s variables. The discretization of the mixture density and friction source terms can be used as a stand-alone approach within any other finite volume solver. The performance of the proposed coupled numerical model is tested through a series of numerical examples for modeling flows and transport processes. The developed numerical scheme is positivity-preserving for the computed water depth and salinity. Furthermore, the consistency between the discretizations of the continuity equation and the transport equations of temperature and salinity is satisfied.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,260
Écart entre enseignants0,252 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueMathematics and Computers in SimulationMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207