2 纽约大学柯朗数学科学研究所,纽约,纽约州 b 电子邮件:ns4361@nyu.edu;网站:https://www.linkedin.com/in/sawantnihar/ 3 MPR,华盛顿特区 摘要:冠状病毒病(COVID-19)演变为大流行病,严重阻碍了公共交通系统的使用。在后 COVID-19 时代,我们可能会看到在城市内、城际和州际旅行中,人们将更多地依赖具有固有物理距离的自动驾驶汽车和个人快速交通 (PRT) 系统,而不是公共汽车、火车和飞机。然而,航空旅行仍将是人类洲际交通的主要方式。在本研究中,我们对典型的洲际飞机通风系统进行了全面的计算分析,以确定环境因素最有利于人类舒适度的座位,包括空气质量、防止口腔或鼻腔释放的污染物(如二氧化碳和冠状病毒)以及热舒适度。波音和空客飞机都考虑了同行旅客鼻子/嘴巴排出的空气速度、温度和空气污染物浓度。在每架飞机上,都分析了头等舱、商务舱和经济舱部分。我们得出了关于每架飞机每个部分哪个座位最合适的结论,并提供了环境条件数据来支持我们的推论。公众可以使用这些发现来决定他们应该坐哪个座位
对项目的气候要求更严格:从2025年开始,所有较大的新结构,扩展和重建旨在将其气候影响降低50%,而使用NOLLCO2标准计算得出的参考建筑物。与当前的建筑法规相比,办公室必须提高能源效率40%,物流必须提高30%,并且所有项目必须配备太阳能光伏系统。目标是使所有项目都是气候中立的。气候风险评估:Castellum分析了其整个财产组合,以识别和管理与气候变化相关的风险,例如洪水,水位和滑坡。目前认为Castellum财产组合中的气候风险为低,目标不是拥有严重气候风险的财产。工作环境:Castellum致力于在员工和承包商中造成零工作场所伤害和与工作相关的疾病。
计算药物敏感性模型可以识别出在治疗剂量下可能对癌细胞系达到最高疗效的靶向药物成分,从而有可能改善治疗结果。最先进的药物敏感性模型使用回归技术来预测药物对肿瘤细胞系的抑制浓度。这个回归目标与药物敏感性模型的这两个主要目标并不直接一致:我们认为药物敏感性建模应该看作是一个排序问题,其优化标准是量化药物对癌细胞系的抑制能力相对于其对健康细胞的毒性。我们对成熟的药物敏感性回归模型 PaccMann 进行了扩展,该模型采用排序损失,并关注抑制浓度与治疗剂量范围的比率。我们发现,排名扩展显著增强了模型根据体外数据识别针对未见肿瘤细胞谱的最有效抗癌药物的能力。
摘要。铁路轴是火车车轮及其车身之间的重要连接。但是,循环载荷和高速可以引起铁路轴的疲劳,这可能导致损害人体安全。因此,重要的是要找到具有最低重量和成本的良好机械性能的材料。在本文中,已经执行了一种使用Ashby图表的综合方法,以选择铁路轴的候选材料。这些方法从确定问题,目标函数和约束来开始分析功能开始。之后,使用PAHL和Beitz定量加权方法对所获得的结果进行排名。结果表明,铁路轴的最佳五个候选材料分别是TI-6AL-4V,AISI 4130,EA16碳钢,Bismaleimide Matrix CFRP和7000 AL。
(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年3月6日发布。 https://doi.org/10.1101/2022.11.10.516058 doi:Biorxiv Preprint
目前正在开发多种类型的能源技术,重点关注能源安全和可持续性问题。在这些不同的技术中,燃料电池微电网系统是解决能源匮乏的孤立和岛屿社区(尤其是菲律宾等群岛国家)的合适解决方案。燃料电池技术的选择多种多样,它们之间的弱点、优势和特点相互冲突,这使得选择变得困难。本研究采用称为 VIKOR(Vise Kriterijumska Optimizacija Kompromisno Resenje)的多标准决策方法,作为一种系统方法,对微电网分布式系统中固定电源应用的不同燃料电池技术进行排名。竞争技术的运行特性基于技术和经济指标进行评估——能源效率(%)、寿命(小时)、功率密度(kW/m 3 )、比功率(W/kg)和成本($/kW)。不同指标的数据来自文献中可用的研究,并利用 VIKOR 算法进行评估。结果表明,聚合物电解质膜燃料电池 (PEMFC) 是最合适的燃料电池技术,评估指数 Q = 0。不同燃料电池技术的排名如下:PEMFC > PAFC > SOFC > MCFC > AFC > DMFC。PEMFC 具有高比功率、高功率密度和紧凑设计等优点。本研究结果表明,VIKOR 可用于评估各种技术和经济指标。这种方法可以指导决策者为偏远社区的微电网电力系统选择最佳的燃料电池技术。
摘要。当今世界,世界各地的汽车行业都在简化电动汽车 (BEV) 的生产,以迈向创造无污染环境。BEV 被用作全球范围内减轻碳排放的替代策略。由于环境保护是长期可持续发展目标之一,因此需要从化石燃料转向可再生能源,同时这也引发了对电动汽车进行最佳选择的决策问题。本文考虑了 Faith Ecer 早期作品中基于十种替代 BEV 和十一项标准的决策问题。多标准决策的新型排序方法 MCRAT(按替代轨迹进行多标准排序)与三种不同的标准权重计算方法 AHP(层次分析法)、CRITIC(通过标准间相关性确定标准重要性)和 MEREC(基于标准去除效果的方法)一起使用。使用随机森林机器学习算法对获得的结果进行比较和验证。这项研究工作结合了多标准决策方法和机器学习算法,对电动汽车做出最佳决策,这种综合方法产生了最佳排名结果,并且它肯定会在未来的决策方法中开辟新的空间。
印度货运和物流市场预计将以每年 8.8% 的速度增长,到 2029 年将达到 4844.3 亿美元,高于 2024 年的 3172.6 亿美元