Heat transfer optimization of two phase modeling of nanofluid in a sinusoidal wavy channel using Artificial Bee Colony technique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present study represents the heat transfer optimization of two-dimensional incompressible laminar flow of Al2O3-water nanofluids in a duct with uniform temperature corrugated walls. A two phase model is applied to investigate different governing parameters, namely: Reynolds number (100 ≤ Re ≤ 1000), nonofluids volume fraction (0% ≤ ϕ ≤ 5%) and amplitude of the wavy wall (0 ≤ α ≤ 0.04 m). For optimization process, a recent spot-lighted method, called Artificial Bee Colony (ABC) algorithm, is applied, and the results are shown to be in a good accuracy in comparison with another well-known heuristic method, i.e. particle swarm optimization (PSO). The results indicate that the effect of utilizing nanoparticles and increasing Reynolds number is more intensified on growing the average Nusselt number than variations of the amplitude of the wavy wall. To prevent the worst possible heat transfer, the specific amplitude which leads to a minimum average Nusselt number is detected. The effect of using nanoparticles on thermal-hydraulic performance factor (j/f) is presented which considers both heat transfer and hydrodynamics aspects. The results showed that volume fraction has a direct and the wavy wall's amplitude has a converse effect on the thermal-hydraulic performance factor. Furthermore, an optimum value for Reynolds number is found to maximize the thermal-hydraulic performance factor.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle