MétaCan
Menu
Retour à la cohorte
Enregistrement W7047246146

An Evaluation of Computational Fluid Dynamics for Spillway Modelling

2007· article· en· W7047246146 sur OpenAlexaboutno aff

Notice bibliographique

RevueQueensland's institutional digital repository (The University of Queensland) · 2007
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsSpillwayComputational modelPhysical modellingHydroelectricitySoftwareFlow (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Computational Fluid Dynamics (CFD) is used extensively by engineers to model and analyse complex issues related hydraulic design, planning studies for future generating stations, civil maintenance, supply efficiency, and dam safety. The integrity of computed values from CFD models is of considerable economic importance in the design, upgrading and maintenance of hydroelectric generating stations. CFD models have the ability to predict many characteristics flow over a spillway and Manitoba Hydro has had good agreement with physical model results in the past. However, date there has not been a review that brings all the available information together for a comprehensive assessment. The objective of this research is to build upon previous investigations on the use of CFD modelling, by focusing specifically on the ability to accurately model spillways using CFD. This paper discusses three-dimensional numerical modelling of several different spillway configurations using the CFD software Flow-3D and compares the predicted rating curves, pressures, and water surface elevations to corresponding physical model experimental values. The numerical model results were generally in agreement with physical model data, however, the relative differences in discharges were found to have a P/Hd dependency. The accuracy for a given model resolution and associated computational time required was also considered.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,468
Score d'incertitude au seuil0,688

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,254
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 tête enseignante, 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

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQueensland's institutional digital repository (The University of Queensland)Même sujetMagnetic confinement fusion researchTravaux en français237 207