MétaCan
Menu
Retour à la cohorte
Enregistrement W7125607027 · doi:10.61173/xfq3sx17

Research and Analysis of the Small Disturbance Equation in Subsonic, Transonic, and Supersonic Regimes.

2024· article· W7125607027 sur OpenAlexaff
Jinglun Li

Notice bibliographique

RevueScience and Technology of Engineering Chemistry and Environmental Protection · 2024
Typearticle
Langue
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTransonicSupersonic speedAerodynamicsEuler equationsDiscretizationShock waveComputational fluid dynamicsFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

This paper explores the application of the Small Disturbance Equation (SDE) across subsonic, transonic, and supersonic flow regimes. Derived from the Euler and Navier-Stokes equations, the SDE offers an efficient framework for analyzing aerodynamic behaviors, particularly through the utilization of discretization techniques and iterative solving methods executed in Python. The study assesses the accuracy and limitations of the SDE in detailing essential flow characteristics, revealing that while the equation performs effectively in subsonic and transonic flows, it encounters challenges in supersonic regimes. Nonlinear effects such as shock waves significantly hinder its performance at high speeds. Compared with conventional computational fluid dynamics (CFD) methods, the SDE stands out in scenarios where computational efficiency is paramount. However, its limitations in handling high-speed flows must be carefully considered, highlighting the need for further refinement in its application to supersonic dynamics. This analysis suggests that while the SDE is beneficial for certain aerodynamic studies, its scope and utility are constrained by the inherent complexities of high-speed fluid dynamics.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience and Technology of Engineering Chemistry and Environmental ProtectionMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207