XiaoMi-AI文件搜索系统
World File Search SystemNumerica
电站锅炉通风效果的数值模拟研究...
摘要 —城市综合管廊近年来发展迅速，有效的通风系统是维持综合管廊空气质量的关键。为提高综合管廊通风性能，根据设计图纸建立了综合管廊三维模型，基于Fluent 14.0软件建立流动模型，并采用数值模拟方法对风管及通风方式进行优化研究。综合管廊采用顶部通风和夹层通风，对比了城市综合管廊不同通风区域的通风方式。结果表明，运行增益和通风区长度的组合主要影响通风效果。基于模拟结果，提出了由顶部通风、400 m长入口自然通风和机械出口排风组成的综合通风模式。城市综合管廊可在低速下开启电动阀、防火门、排风机和诱导风机。该组合方式被认为是城市综合管廊最大通风速度的最优组合方式。关键词 —综合管廊，通风，数值模拟，优化
数值模型有用吗？从佛罗里达州的沿海形态变化进行建模的二十年中汲取的教训
摩尔法克：形态加速因子，形态上升级技术。简单的示例：一个波案在12小时的周期中运行，摩尔法克为10，将代表12天的形态变化。
大规模非线性开放量子力学的数值模拟
我们介绍了一种在粒子状态在相空间中经历显著扩展同时在相空间普朗克尺度上产生小量子特征的情况下解决粒子非线性开放量子动力学的方法。我们的方法涉及模拟两个步骤。首先，我们将 Wigner 函数转换为时间相关框架，该框架利用经典轨迹的信息有效地表示相空间中的量子态。接下来，我们使用实现这种时间相关非线性变量变化的数值方法模拟此框架中的动力学。为了展示我们方法的能力，我们研究了粒子在紧密谐波势中最初被基态冷却后在一维弱四次势中演化的开放量子动力学。这种方法与正在进行的设计、优化和理解通过非线性量子动力学制备大质量粒子宏观量子叠加态的实验的努力特别相关。
使用增益比和结合机器学习Dwinanda Bagoes Ansori，Joko Slamet，Muhammad Zakky Ghufron，Muham 人工智能在宗教心理学研究中的作用 自然语言处理的生成人工智能工具的比较分析 通过虚拟现实框架演示的机器人学习的服装操纵数据集 通过多层大语言模型增强机器人任务计划和执行 硅，有机和钙钛矿太阳能电池 改良的Nife2O4支持的石墨烯氧化石墨烯可有效尿素电化学氧化和水分分割应用
摘要：本文介绍了对任意几何形状的薄壁聚合物复合材料结构的各种真空输注模式进行建模的结果。制造结构的较小厚度以及其背面在模具的刚性表面上的固定，使得可以显着简化过程模型，这考虑了热固性树脂的繁殖，随着可压缩的3D几何形状的可压缩多孔性的流变学的变化，以及在注射和真空端口的边界条件变化的情况下，以及在Post-Post-Post-sourting post-sourting post-sourting sourting sourting sourting sourting sourting sourting-sourting-sourting-sourting inforning sout-forting sourting。在灌注后阶段研究的四种真空灌注成型模式中，在预成型的开放表面和真空端口以及注入门的状态（开放）（开放）（开放）。该过程的目标参数是纤维体积分数，壁厚，壁厚，用树脂和过程持续时间填充纤维体积分数的大小和均匀性。对所获得的结果的比较分析使您有可能确定最有希望的过程模式，并确定消除不良情况的方法，从而使制成的复合结构的质量恶化。通过将其应用于薄壁飞机结构的成型过程所证明的开发仿真工具的能力，允许人们合理选择过程控制策略以获得最佳可实现的质量目标。
DeepGoplus推断的数值稳定性
卷积神经网络（CNN）目前是可用的最广泛使用的深神经网络（DNN）架构之一，并实现了许多问题的最新性能。最初应用于计算机视觉任务，CNN可与具有空间关系的任何数据（图像之外）很好地运行，并且已应用于不同的领域。然而，最近的作品强调了DNN中的数值稳定性挑战，这也与它们对噪声注入的已知敏感性有关。这些挑战可能会危害其性能和可靠性。本文研究了预测蛋白质功能的CNN DeepGoplus。deepgoplus已经达到了最先进的性能，并可以成功利用并注释蛋白质组学中出现的蛋白质序列。我们通过量化基础流量数据扰动而产生的数值不确定性来确定模型推理阶段的数值稳定性。此外，我们探索了使用降低精确的浮点数格式进行DeepGoplus推断的机会，以减少记忆消耗和延迟。这是通过使用Monte Carlo Arithmetic仪器执行的来实现的，该技术可以在实验上量化点功能操作误差和VPREC，该工具以可自定义的流量流动点上的精度格式模仿结果。焦点放在推理阶段，因为它是DeepGoplus模型的主要交付，广泛适用于不同环境。总的来说，我们的结果表明，尽管DeepGoplus CNN在数值上非常稳定，但只能通过较低精确的流动点格式选择性地实现。我们得出的结论是，从预先训练的DeepGoplus模型中获得的预测在数值上非常可靠，并且有足够的现有旋转点格式有效。
跨观测，重新分析和公里尺度的数值天气预测模型的南半球重力波动量通量的估计值
摘要：重力波（GWS）是子午线和上层平流层中子午倾覆循环的关键驱动因素之一。他们在气候模型中的表示遭受了不足的分辨率和对其参数化的有限约束。这种掩盖了对气候变化中中大气环流变化的评估。This study presents a comprehensive analysis of stratospheric GW activity above and downstream of the Andes from 1 to 15 August 2019, with special focus on GW representation ranging from an unprecedented kilometer- scale global forecast model (1.4 km ECMWF IFS), ground-based Rayleigh lidar (CORAL) observations, modern reanaly- sis (ERA5), to a coarse-resolution climate model (EMAC).与ERE5相比，发现Zonal GW动量（GWMF）的分辨垂直浮标（GWMF）的强度至少为2-2.5。与IFS中解决的GWMF相比，ERA5和EMAC的选址继续产生60 8 s的过度GWMF极点，从而在已解决的GWMF和参数化的GWMF之间产生明显的差异。在IFS和ERA5中对GW Pro Files的类似验证验证了相似的波结构。，即使在； 1公里的分辨率，IFS中的解析波弱于LIDAR观察到的波。此外，跨数据集的GWMF估计值表明，基于温度的代理基于线性GWS的中频近似，由于简化的GWMF和GW波长估计的数据高估了GWMF。总体而言，该分析为参数化验证提供了GWMF基准，并要求三维GW参数化，更好的上限处理和垂直分辨率随着模型中水平分辨率的增加而增加，以进行更现实的GW分析。
隧道筏基础的数值和实验研究
在实验研究中创建了摘要模型，并将其与Plaxis 3D.V20程序中的数值研究进行了比较，以熬到岩土工程领域的研究进步。该模型的目的是研究现有的隧道如何影响浅基础。对现实的模拟A带有规格的隧道[弹性模量= 70 GPA，Poisson的比率= 0.33]，带有三个位置的隧道15、30、45 cm的位置，从基础底部测量），一个尺寸（80*80*60 cm）的铁盒（80*80 cm），以及带有尺寸的粉底（20*20 cm）。发现隧道的位置显着影响土壤支撑额外负载的能力，并且随着基础和隧道之间的距离的增长，效果会减少。隧道的深度（15厘米）增加了最大的105.9％，其深度（30厘米）增长了21.5％，其深度（45厘米）增加了3.9％。关键字：数字;实验；隧道;筏基金会。
对热点芯片热管理冷板的比较数值分析
使用数值分析比较了具有不同内部结构的七个水冷微型冷水冷板的热和液压性能。最近对高性能计算的需求不断提高，导致电子设备的热管理挑战。除了危险的片上温度，异质整合和升高温度（热点）的局部区域还导致芯片级温度分布不均匀。结果，电子设备的寿命和可靠性受到不利影响。由于限制了气冷散热器，开发了几种新方法，例如液体冷却的微通道冷板，以解决这些挑战。这项工作的目的是提供比较的数值研究，以了解不同微型通道冷板内部结构在具有不均匀功率图和热点的芯片的热管理中的有效性。冷板热
地球系统的数值建模 - 地球物理研究所
2数字地质学简介13地球科学中的数值方法。。。。。。。。。。。。。。。。。。。。13 2.1.1哲学。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 2.1.2目标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 2.1.3地球科学数值方法的应用概述。14 2.1.4数值问题和解决方案方法的分类。。。。。。。18 2.2数值方法的应用示例。。。。。。。。。。。。。。。。19 2.2.1线性反问题。。。。。。。。。。。。。。。。。。。。。。。。。。19 2.2.2普通微分方程。。。。。。。。。。。。。。。。。。。。。。19 2.2.3部分微分方程。。。。。。。。。。。。。。。。。。。。。。。19 2.2.4数值解决方案方法。。。。。。。。。。。。。。。。。。。。。。。。22 2.3计算。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。25 2.3.1硬件问题。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。25 2.3.2软件 - 计算机语言。。。。。。。。。。。。。。。。。。。。。26 2.3.3计算机程序的元素。。。。。。。。。。。。。。。。。。。。。。。。28 2.3.4指导哲学编写计算机程序。。。。。。28 2.3.5编写有效代码的指南。。。。。。。。。。。。。。。。。。。29 2.4缩放分析和非二维数。。。。。。。。。。。。。。。。。33 2.4.1缩放分析。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。33 2.4.2非限制化。。。。。。。。。。。。。。。。。。。。。。。。。。34 2.4.3问题。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37
埃克塞特学院牛津夏季计划线性代数，优化和深度学习课程描述：本课程将
埃克塞特学院牛津夏季计划线性代数，优化和深度学习课程描述：本课程将通过三个相关任务探索现代数值算法：大规模线性代数，对数据科学的优化和深度学习。前六个讲座将讨论如何使用线性代数课程中未涵盖的技术近似求解大规模的线性代数任务。示例包括如何改善估计的解决方案，以及为何要为特征值解决比您可能相信的要容易得多。第二六个讲座将讨论优化算法，重点是大型数据科学任务。数值优化是最有用的技能之一，因为从科学到业务的许多任务都可以作为优化问题。六个研讨会将集中在深度学习上，这是推动机器学习和人工智能的最新进展的关键算法进步。深度学习用线性代数进行数学描述，学习是通过数值优化进行的，例如我们将要探索的学习。数字线性代数和优化的讲座将以知识良好的数值算法为基础，我们可以详细研究，而深度学习研讨会将使我们有机会探索促进AI革命的兴奋。教学大纲概述：讲座