MétaCan
Menu
Retour à la cohorte
Enregistrement W7018529688

Development of a Cell-Centred Finite Difference Numerical Methodology on Triangulated Domains

2012· dissertation· en· W7018529688 sur OpenAlexaff

Notice bibliographique

RevueScholarship at UWindsor (University of Windsor) · 2012
Typedissertation
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésFinite difference methodFinite element methodFinite differencePartial differential equationCartesian coordinate systemBoundary value problemNumerical analysisComputational mechanicsFluid mechanicsFocus (optics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A cell-centred finite difference (CCFD) method for unstructured mesh topology is proposed and applied to model partial differential equations (PDEs) governing fluid flow and solid mechanics phenomena. The numerical method implements a finite difference approximation at cell centroids by taking differencing points along orthogonal Cartesian axes localized within each cell. The predominant advantage of this method is that it can be applied to arbitrary mesh topologies, including structured, unstructured and hybrid meshes. Either a direct or iterative approach is used to solve the system of equations developed by the proposed method. The numerical method is designed to solve a variety of physical phenomena governed by PDEs, such as electrostatic potential in electromagnetic fields, stress and strain in structural mechanics and wave phenomena in physics. The focus of the thesis research is to investigate the application of this methodology in heat transfer and fluid mechanics problems. This new finite difference methodology is applied to typical "benchmark" problems in such fields, covering the representative in different types of PDEs with initial and boundary conditions. Solutions obtained are compared to exact solutions if available from analytical methods or to the results from other reliable numerical simulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,080
Tête enseignante GPT0,293
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship at UWindsor (University of Windsor)Même sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207