MétaCan
Menu
Back to cohort
Record W2146322609 · doi:10.7202/705136ar

Modèle de transfert et de diffusion de masse dans un écoulement, en présence de gradients de vitesse et de gradients du coefficient de diffusion turbulente

2005· article· fr· W2146322609 on OpenAlexaff
J. Boczar, A. Dorobczynski, J. Miakotoi

Bibliographic record

VenueRevue des sciences de l eau · 2005
Typearticle
Languagefr
FieldEnvironmental Science
TopicHydrology and Sediment Transport Processes
Canadian institutionsInstitut National de la Recherche Scientifique
Fundersnot available
KeywordsPhysicsHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Le travail présente un modèle mathématique conceptuel de transfert et de diffusion de masse destiné à l'étude des migrations d'effluents en rivière. Ce modèle prend en compte l'existence d'écoulements cisaillés ainsi que la présence de gradients de diffusion turbulente. Il permet de calculer les champs de concentrations et les valeurs moyennes de concentration à travers toute section transversale de l'écoulement. La localisation et la taille relative du rejet sont respectées. L'influence des rives sur les processus de dispersion est prise en considération.Pour quantifier l'influence des berges, une relation est établie entre les concentrations calculées en écoulement de largeur infinie et les concentrations en écoulement d'extension limitée. La méthode utilisée est fondée sur l'emploi d'un champ de vitesse et d'un champ de coefficient de diffusion, symétriques par rapport à des lignes riveraines séparant le courant nul d'un courant fictif situé de part et d'autre de ces limites.Les résultats des tests du modèle mathématique, réalisés à l'aide du programme moniteur « Gradient 2 », sont présentés. Dans le cas d'écoulements cisaillés, on a constaté que la valeur moyenne de concentration d'effluent calculée au travers de sections transversales à l'écoulement n'était pas une quantité invariante tout au long de l'écoulement. Un gradient de vitesse négatif induit une augmentation de cette moyenne à mesure que l'on s'éloigne du rejet alors qu'un gradient positif produit l'effet inverse. Un gradient du coefficient de diffusion turbulente détermine un changement du profil de concentration à l'intérieur d'une section transversale donnée, sans en changer cependant la valeur moyenne. Un gradient négatif augmente la valeur maximale de la distribution des concentrations. Un gradient positif fait diminuer la valeur maximale en aplatissant l'allure du profil.Le modèle mathématique a ensuite été vérifié à l'aide d'un modèle physique. Un modèle réduit respectant les similitudes d'écoulement a été bâti. Les gradients de vitesse du fluide et les gradients du coefficient de diffusion étaient provoqués par l'introduction de tirants d'eau non uniformes dans chaque section transversale. Les mesures réalisées ont permis d'estimer les coefficients de diffusion turbulente.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.015
Threshold uncertainty score0.031

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0000.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.031
GPT teacher head0.277
Teacher spread0.246 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2005
Admission routes1
Has abstractyes

Explore more

Same venueRevue des sciences de l eauSame topicHydrology and Sediment Transport ProcessesFrench-language works237,207