Exploring the Potential and the Practical Usability of a Machine Learning Approach for Improving Wall Friction Predictions of RANS Wall Functions in Non-equilibrium Turbulent Flows

Erwan Rondeaux, Adèle Poubeau, Christian Angelberger, Miguel Munoz Zuniga, Damien Aubagnac-Karkar et Roberto Paoli

Article de revue (2024)

Un lien externe est disponible pour ce document

Département:	Département de génie mécanique
URL de PolyPublie:	https://publications.polymtl.ca/58114/
Titre de la revue:	Flow Turbulence and Combustion
Maison d'édition:	Springer
DOI:	10.1007/s10494-024-00539-1
URL officielle:	https://doi.org/10.1007/s10494-024-00539-1
Date du dépôt:	30 avr. 2024 12:41
Dernière modification:	08 avr. 2025 07:27

Citer en APA 7:	Rondeaux, E., Poubeau, A., Angelberger, C., Zuniga, M. M., Aubagnac-Karkar, D., & Paoli, R. (2024). Exploring the Potential and the Practical Usability of a Machine Learning Approach for Improving Wall Friction Predictions of RANS Wall Functions in Non-equilibrium Turbulent Flows. Flow Turbulence and Combustion, 26-26. https://doi.org/10.1007/s10494-024-00539-1
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Dimensions

Actions réservées au personnel

Afficher document