کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10126860 | 1645005 | 2018 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A robust prediction model approach to energy geo-structure design
ترجمه فارسی عنوان
رویکرد مدل پیش بینی قوی به طراحی ژئومورفولوژی انرژی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
انرژی های جغرافیایی مانند پیل ها یا دیوارهای نگهدارنده، علاوه بر اهداف ساختاری خود، حرارت دادن و خنک سازی زمین های گرمایی را فراهم می کنند. طراحی حرارتی این سازه ها بر اساس یک مورد صورت گرفته است، معمولا با استفاده از شبیه سازی عناصر محدود هزینه، به ویژه برای هندسه های پیچیده. این کار روش پیش بینی ساده اما قوی را ارائه می دهد که می تواند در کنار چنین شبیه سازی ها به منظور کاهش زمان و منابع محاسباتی برای تجزیه و تحلیل هر جغرافیایی انرژی استفاده شود. ارزیابی ارائه شده است و با دیوار دیافراگم انرژی، برای طیف وسیعی از شرایط هندسی و مواد، نشان می دهد خطاهای پیش بینی ناچیز و صرفه جویی در محاسبات گسترده نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Energy geo-structures, such as piles or retaining walls, provide geothermal space heating and cooling, in addition to their structural purposes. The thermal design of these structures is undertaken on a case by case basis, commonly using costly finite element simulations, especially for complex geometries. This work introduces a simple but robust prediction methodology that can be used alongside such simulations to significantly reduce computational time and resources for the analysis of any energy geo-structure. An evaluation is presented and exemplified with energy diaphragm walls, for a range of geometrical and material conditions, showing insignificant prediction errors and vast computational savings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Geotechnics - Volume 104, December 2018, Pages 140-151
Journal: Computers and Geotechnics - Volume 104, December 2018, Pages 140-151
نویسندگان
Nikolas Makasis, Guillermo A. Narsilio, Asal Bidarmaghz,