A COMSOL-based numerical approach to improve heat-pulse measured frozen soil thermal properties
Notice bibliographique
Résumé
• COMSOL modeling improves the accuracy of frozen soil thermal conductivity. • Phase change parameter optimization improves accuracy at −4 to 0 °C. • Numerical simulation overcomes the limitations of analytical solutions. • Heating strategy affects phase transition parameter selection. Heat pulse (HP) is the most widely used transient technique determining soil thermal properties (STPs) in unfrozen conditions, yet its application to frozen soils introduces significant challenges. At high subfreezing temperatures (−5 to 0 °C), the HP measurements induce thawing and refreezing of ice, dynamically altering the frozen soil thermal properties (FSTPs) being measured. Conventional analytical solutions fail to account for these phase change effects, leading to substantial errors in estimation. Although various approaches have been developed to improve FSTPs determination, achieving accurate measurements remain challenging. This study employed a COMSOL-based numerical model to solve heat conduction equations incorporating latent heat and compared the results with that obtained with traditional analytical solutions. The results revealed that analytical solutions consistently underestimate frozen soil thermal conductivity (FSTC) at temperatures above −3 °C, even with optimized heating strategies. Numerical simulations demonstrated that phase transition parameters critically influence temperature evolution, particularly above −5 °C, and the COMSOL improved FSTC estimates between −4 and 0 °C, though the performance depended on heating strategies. To facilitate parameter selection, linear regression models were derived for phase transition interval (Δ T p , R 2 = 0.37) and phase transition point ( T pc , R 2 = 0.30). These advancements enhance the accuracy of HP-measured FSTPs, providing a more reliable approach for cold-region researches and applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».