XiaoMi-AI文件搜索系统
World File Search System流体流量
地热系统。pdf
为了利用地热能的巨大潜力，需要在液压上刺激低渗透性的晶体热岩石，以创建增强的地热系统（EGS），以实现经济上有利可图的流体流量。然而，液压刺激通常与地震活性有关，这在某些情况下导致项目取消。为了提高我们对注射和注入后阶段刺激的耦合水力机械（HM）过程的理解（关闭后），我们用数值分析了三种不同的刺激方案：恒定速率，步骤速率和循环注入，并在封闭后且在循环方案之间进行均匀的情况下和无损坏。仿真结果表明，注射方案对断裂的HM响应的影响高于注入水的总体积，这些水质量缩放定律将注射体积与诱导地震的预期最大幅度相关联。最大化渗透性增强之间的权衡，而最大程度地减少诱导地震性并不是一件直接的。尤其是在注射限制后的孔隙释放诱导的地震性，但以限制渗透性增强的费用。在考虑刺激单个断层时，所有方案都会产生可比的滑动速率，从而产生诱导地震的大小，而恒定率注射是最快的诱导最大地震。HM对液压刺激的响应的微小差异不允许确定比其他方案更好的方案。
抗菌药物的定量药理学
o模型系统属于我们的MPS定义。采用了广泛而包容的MPS定义，以捕获所有与所选四个器官相关的人。含有2D或3D培养物中的细胞的微型发行，可以通过整合流体流量或机械驱动来复制机械微环境，或者整合感应方式。我们包括了在微流体或致动系统中采用直接细胞培养的系统，以及在这些系统中整合预设计的3D组织的系统。大多数讨论的系统是微流体系统，我们称之为芯片（OOC）。此定义的例外在文本中清楚地指出了包含的原因。我们排除了器官培养物，因为它们的随机，自组织的性质通常会排除受控的限制，并且根据我们对特定器官特定特征的关注，可以对器官器官进行建模。o报告了健康状态下器官或组织的定义生理特征之一的准确定量。我们专注于对健康器官或组织的定量，因为这为比较疾病中异常器官功能提供了基准。o人类细胞在系统中使用（主要，永生或IPSC衍生）。在文本中清楚地指出了在MPS中使用动物细胞的例外。3。从论文4.确定突出显示的最佳示例。选择是基于最准确的定量
评论：低渗透性多孔媒体中的二元前流
摘要广泛使用的达西定律指定流体流量的达西速度与驱动流动的压力梯度之间的线性关系。但是，研究表明，当压力梯度充分低时，在低渗透性多孔培养基（例如粘土和页岩）中，达西速度可以表现出非线性依赖性对压力梯度的依赖性。此phe-nomenon被称为低速性非darcian流或携带前流。本文对低渗透性多孔培养基中携带前流的理论，实验数据和建模方法进行了全面综述。审查首先概述了携带前流的基本机制，这些机制调节了独特特征，例如Darcy速度对压力梯度的非线性依赖性及其与流体 - 岩石相互作用的相关性。随后进行审查进行了详尽的汇编，对在各种低渗透性的土地材料中进行的实验研究进行了彻底的汇编，包括紧密的砂岩，页岩和粘土。接下来，审查了为了拟合和解释实验数据而开发的经验和理论模型和仿真方法。最后，审查强调了进行和解释携带前流实验的挑战，并提出了未来的研究方向。通过分析以前的实验研究，该综述旨在为寻求增强其对低渗透性土地材料中流体动态的研究人员和从业人员提供宝贵的资源。这提供了有关在众多天然和工程过程中应用前携带流量的应用，例如页岩油和天然气回收，低渗透性含水层中的污染物运输以及核废料的地质处理。
带有导电/密封故障的多孔介质的耦合HDG/DG方法
地下流动问题对于许多科学和工程领域（例如地球物理学，环境科学，碳氢化合物提取和地热能量生产）来说都是有趣的。断层是地质结构，是流离失所的不连续性。在地下流量问题中，故障可以充当流体流动的导管或障碍，具体取决于断层的渗透性。这些断层结构可能会导致流体流动的显着变化，因此了解断层的相互作用（作为导管或屏障），而流体流对于应用很重要。在本文的其余部分中，我们将指向导管（通常称为裂缝）是导致断层和障碍物作为密封断层的。在[27]中提出了带有导电和密封故障的地下流的数学模型。他们进一步分析了此问题的混合有限元方法。在这项开创性的工作后，文献中出现了许多关于离散的地下流动流的作品。其中包括杂化高阶方法[11]，内部惩罚不连续的盖尔金方法[25]，连续不连续的盖尔金方法[31]，一种杂交内部惩罚方法[23] [23]，一种混合的虚拟元素方法[5]，一种有限元方法[24]，一种杂物元素方法[9]杂物[9]杂物[9]，莫尔特（Mortar Arimation hybr A），效率分别效率[28]，效率分别效应[28]。 29]和有限体积方法[12]。在昏暗维域上定义了多孔 - 矩阵流的darcy方程。但是，故障中的流体流量被建模为（dim-1）维域上的流量问题。在本文中，为了离散这个跨二维问题，我们提出了一种耦合的双重混合混合杂交不连续的Galerkin（HDG）方法和内部罚款不连续的Galerkin（IPDG）方法。HDG方法最初是在[14]中引入的，是一种减少传统不连续Galerkin方法的计算成本的方法。这是通过以促进静态凝结的方式引入新面部未知数来实现的。在网格的（dim-1）维定义的这些新面孔的引入，以及它们与网格昏暗细胞上未知的细胞耦合的耦合，但是，也为处理缺陷流动流动的多孔 - 矩形问题的二维问题提供了自然框架。使用双重矩阵流的昏暗维数darcy方程是使用双
课程vitae
[1] T. Cui和F. Pillichshammer（2025）。伯恩斯坦近似及以后：通过基本概率理论的证明，元素der Mathematik，被接受，Arxiv：2307.11533。[2] T. Cui，J。Dong，A。Jasra和X. T. Tong（2025）。数值MCMC的收敛速度和近似精度，应用概率的进步，57（1），doi：10.1017/apr.2024.28。[3] T. Cui，G。Ditommaso，R。Scheichl（2024）。多级维度独立于可能性的MCMC，用于大规模反问题，反问题，40，035005。[4] Y. Zhao和T. Cui（2024）。张量训练方法用于状态空间模型中的顺序状态和参数学习，机器学习研究杂志，接受，ARXIV：2301.09891。[5] T. Cui，H。de Sterck，A。D. Gilbert，S。Polishchuk和R. Scheichl（2024）。多层次的蒙特卡洛方法用于随机对流扩散特征值问题，《科学计算杂志》，99（3），1-34。[6] T. Cui，S。Dolgov和R. Scheichl（2024）。使用张量列车进行的深度重要性采样，并适用于先验和后验罕见的事件估计，《 Siam Scientific Computing杂志》，46（1），C1 – C29。[7] T. Cui，S。Dolgov，O。Zahm（2023）。可扩展的有条件深度逆罗森布拉特使用张量列和基于梯度的尺寸降低，计算物理学杂志，485，112103。[8] T. Cui，S。Dolgov（2022）。使用平方逆的Rosenblatt传输，计算数学基础，22（6），1863– 1922年对张量列车的深度组成。[9] T. Cui，X。T。Tong和O. Zahm（2022）。先前的标准化了贝叶斯反问题，逆问题，38（12），124002。[10] T. Cui，X。T. Tong（2022）。统一的绩效分析对信息性的子空间方法，Bernoulli，28（4），2788–2815。[11] O. Zahm，T。Cui，K。Law，Y。Marzouk和A. Spantini（2022）。非线性贝叶斯逆问题的认证维度降低，计算数学，91（336），1789–1835。[12] T. Cui，Z. Wang和Z. Zhang（2022）。通过非线性流变学，计算物理学的通信，ARXIV：2209.02088，一种用于冰川建模的变分神经网络方法。[13] L. Bian，T。Cui，B.T。 Yeo，A。Fornito，A。Razi，J。Keith（2021）。 使用功能性MRI，Neuroimage，244，118635识别大脑状态，过渡和社区。div> [14] T. Cui，O。Zahm（2021）。 无数据的贝叶斯反问题，反问题的无数据信息尺寸减小，37（4），045009。 [15] J. Bardsley，T。Cui（2021）。 基于优化的非线性层次统计反问题的MCMC方法，《不确定性量化》的暹罗/ASA期刊，9（1），29-64。 [16] C. Fox，T。Cui，M。Neumayer（2020）。 随机降低了效率的大都市量的前向模型，并应用于地下流体流量和电容层析成像，《辉煌的地质杂志》，《地貌杂志》，11（1），1-38。 [17] J. Bardsley，T。Cui，Y。Marzouk，Z。Wang（2020）。 [18] R. Brown，J。Bardsley，T。Cui（2020）。 [19] S. Wu，T。Cui，X。Zhang，T。Tian（2020）。[13] L. Bian，T。Cui，B.T。Yeo，A。Fornito，A。Razi，J。Keith（2021）。 使用功能性MRI，Neuroimage，244，118635识别大脑状态，过渡和社区。div> [14] T. Cui，O。Zahm（2021）。 无数据的贝叶斯反问题，反问题的无数据信息尺寸减小，37（4），045009。 [15] J. Bardsley，T。Cui（2021）。 基于优化的非线性层次统计反问题的MCMC方法，《不确定性量化》的暹罗/ASA期刊，9（1），29-64。 [16] C. Fox，T。Cui，M。Neumayer（2020）。 随机降低了效率的大都市量的前向模型，并应用于地下流体流量和电容层析成像，《辉煌的地质杂志》，《地貌杂志》，11（1），1-38。 [17] J. Bardsley，T。Cui，Y。Marzouk，Z。Wang（2020）。 [18] R. Brown，J。Bardsley，T。Cui（2020）。 [19] S. Wu，T。Cui，X。Zhang，T。Tian（2020）。Yeo，A。Fornito，A。Razi，J。Keith（2021）。使用功能性MRI，Neuroimage，244，118635识别大脑状态，过渡和社区。div>[14] T. Cui，O。Zahm（2021）。无数据的贝叶斯反问题，反问题的无数据信息尺寸减小，37（4），045009。[15] J. Bardsley，T。Cui（2021）。基于优化的非线性层次统计反问题的MCMC方法，《不确定性量化》的暹罗/ASA期刊，9（1），29-64。[16] C. Fox，T。Cui，M。Neumayer（2020）。随机降低了效率的大都市量的前向模型，并应用于地下流体流量和电容层析成像，《辉煌的地质杂志》，《地貌杂志》，11（1），1-38。[17] J. Bardsley，T。Cui，Y。Marzouk，Z。Wang（2020）。[18] R. Brown，J。Bardsley，T。Cui（2020）。[19] S. Wu，T。Cui，X。Zhang，T。Tian（2020）。基于功能空间的基于可扩展优化的采样，《暹罗科学计算杂志》，42（2），A1317 – A1347。贝叶斯逆问题中的晶状麦片先验的半变量图超参数估计，逆问题，36（5），055006。一种用于推断遗传调节网络的非线性反向工程方法，PEERJ，8，E9065。[20] T. Cui，C。Fox，C.，M。O'Sullivan（2019）。大规模逆问题的自适应误差模型 - 延迟 - 受众MCMC中降低的模型的随机校正，并应用于多相性逆问题，《工程数值国际杂志》，118（10），578-605。[21] T. Cui，C。Fox，G。Nicholls，M。O'Sullivan（2019）。使用平行马尔可夫链蒙特卡洛来量化地热储层校准中的不确定性，国际不确定性量化杂志，9（3），295–310。[22] S. Thiele，L。Grose，T。Cui，S。Micklethwaite，A。Cruden（2019）。从数字数据中提取高分辨率结构取向：贝叶斯方法，结构地质杂志，122，106–115。[23] C. Reboul，S。Kiesewetter，M。Eager，M。Belousoff，T。Cui，H。DeSterck，D。Elmlund，H。Elmlund（2018）。快速接近原子分辨率单粒子3D重建，简单，结构生物学杂志，204（2），172-181。[24] A. Spantini，T。Cui，K。Willcox，L。Tenorio和Y. Marzouk（2017）。贝叶斯线性反问题的面向目标的最佳近似，《暹罗科学计算杂志》，39（5），S167 – S196。[25] Z. Wang，Y。Marzouk，J。Bardsley，T。Cui和A. Solonen（2017）。贝叶斯的逆问题L 1先验：随机化 - 优化方法，Siam on Scientific Computing杂志，39（5），S140 – S166。
教学大纲
机械工程工程数学线性代数：矩阵代数，线性方程系统，特征值和特征向量。微积分：单个变量，极限，连续性和不同性，平均值定理，不确定形式的功能；评估确定和不当积分；双重和三个积分；部分衍生物，总导数，泰勒序列（一个和两个变量），最大值和最小值，傅立叶序列；梯度，差异和卷曲，矢量身份，方向衍生物，线，表面和体积积分，高斯的应用，Stokes和Green定理。微分方程：一阶方程（线性和非线性）；具有恒定系数的高阶线性微分方程； Euler-Cauchy方程；初始和边界价值问题；拉普拉斯转变；热，波和拉普拉斯方程的解决方案。复杂变量：分析函数； Cauchy-Riemann方程；库奇的整体定理和整体公式；泰勒和洛朗系列。概率和统计：概率的定义，采样定理，条件概率；卑鄙，中位数，模式和标准偏差；随机变量，二项式，泊松和正常分布。数值方法：线性和非线性代数方程的数值解；通过梯形和辛普森的规则进行集成；微分方程的单步和多步法。应用力学和设计工程机制：自由图和平衡；摩擦及其应用，包括滚动摩擦，Belt-Pulley，刹车，离合器，螺丝千斤顶，楔子，车辆等。;桁架和框架；虚拟工作；平面运动中刚体的运动学和动力学；冲动和动量（线性和角度）以及能量配方；拉格朗日方程。材料力学：应力和应变，弹性常数，泊松比； Mohr的圆圈，用于平面应力和平面应变；薄缸；剪切力和弯矩图；弯曲和剪切应力；剪切中心的概念；梁的挠度；圆形轴的扭转；欧拉的专栏理论；能量方法；热应力；应变仪和玫瑰花结；通过通用测试机对材料进行测试；测试硬度和影响力。机器理论：平面机制的位移，速度和加速度分析；链接的动态分析；凸轮；齿轮和齿轮火车；飞轮和州长；往复和旋转质量的平衡；陀螺仪。振动：单个自由系统的自由和强迫振动，阻尼的效果；振动隔离；谐振;轴的关键速度。机器设计：用于静态和动态加载的设计；失败理论；疲劳强度和S-N图；机器元素的设计原理，例如螺栓，铆接和焊接接头；轴，齿轮，滚动和滑动接触轴承，刹车和离合器，弹簧。流体力学和热科学流体力学：流体特性；流体静态，淹没物体的力，浮动物体的稳定性；质量，动量和能量的控制体积分析；流体加速度；连续性和动量的微分方程；伯努利方程；维度分析；不可压缩的流体，边界层，基本湍流，流过管道，管道损失，弯曲和配件的粘性流动；可压缩流体流量的基础。传热：传热模式；一维热传导，抗性概念和电类比喻，通过鳍的传热；不稳定的热传导，集总参数系统，Heisler的图表；热边界层，自由和强制对流传热中的无量纲参数，扁平板上流动和通过管道的传热相关性，湍流的影响；热交换器性能，LMTD和NTU方法；辐射传热，Stefanboltzmann定律，WIEN的位移定律，黑色和灰色表面，视图因素，辐射网络分析热力学：热力学系统和过程；纯物质的特性，理想和真实气体的行为；零和热力学的第一定律，在各种过程中的工作和热量计算；热力学的第二定律；热力学特性图表和表，可用性和不可逆性；热力学关系。
出版物清单-Ricardo Vinuesa
[80] S. Rezaeiravesh，R。Vinuesa和P. Schlatter。一个不确定性定量框架，用于评估计算流体动力学中的准确性，灵敏度和鲁棒性。J. Comput。SCI。 ，62，101688，2022。 [81] M. Morimoto，K。Fukami，R。Maulik，R。Vinuesa和K. Fukagata。 基于神经网络的流体流量估计中的模型形式的不存在定量。 Nagare J. JPN。 Soc。 流体机械。 ，41，2022。 [82] R. T. Javed，O。Nasir，M。Borit，L。Vanh´ee，E。Zea，S。Gupta，R。Vinuesa和J. Qadir。 下车！ AI伦理教育中的孤岛：全球AI课程的无监督主题建模分析。 J. Artif。 Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。SCI。，62，101688，2022。[81] M. Morimoto，K。Fukami，R。Maulik，R。Vinuesa和K. Fukagata。基于神经网络的流体流量估计中的模型形式的不存在定量。Nagare J. JPN。Soc。流体机械。，41，2022。[82] R. T. Javed，O。Nasir，M。Borit，L。Vanh´ee，E。Zea，S。Gupta，R。Vinuesa和J. Qadir。下车！AI伦理教育中的孤岛：全球AI课程的无监督主题建模分析。J. Artif。 Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。J. Artif。Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Intell。res。，73，933–965，2022。[83]Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。IEEE机器人。Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Autom。mag。，29，92–107，2022。[84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。翅膀中的流量控制和通过深度加强学习发现新方法。流体，7，62，2022。[85] R. Vinuesa和S. Le Clainche。用于复杂流的机器学习方法。Energies，15，1513，2022。[86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。在rans模拟中，边界层的湍流跳闸技术。流湍流。燃烧。，108，661–682，2022。[87] N. Tabatabaei，M。Hajipour，F。Mallor，R。Orloul - Orl u，R。Vinuesa和P. Schlatter。使用风洞测量值对NACA4412唤醒建模。流体，7，153，2022。[88] G. R. McPherson，B。Sirmacek和R. Vinuesa。质量灭绝事件的环境阈值。结果工程。，13，100342，2022。[89] D. Mamchur，J。Peksa，S。LeClainche和R. Vinuesa。用于非侵入对象检查的射线照相和新技术的应用和进步。传感器，22，2121，2022。[90] R. Raman，P。Singh，V。K. Singh，R。Vinuesa和P. Nedungadi。了解IEEE访问中出版物的文献计量模式。IEEE访问，10，35561–35577，2022。[91] M. Atzori，W。Kéopp，S。W. D. Chien，D。Massaro，F。Mallor，A。Peplinski，M。Rezaei，N。Jansson，S。Markidis，R。Vinuesa，E。Laure，P。Schlatter，P。Schlatter和T. Weinkauf。用paraview催化剂在NEK5000中大规模湍流模拟的原位可视化。J.超级计算。，78，3605–3620，2022。[92] D. Mamchur，J。Peksa，S。LeClainche和R. Vinuesa。对非侵害对象筛查技术的艺术状态分析。prz。elektrotech。，98，168–173，2022。[93] S. Singh Gill，R。Vinuesa，V。Balasubramanian和S. K. Ghosh。创新的软件系统，用于管理COVID-19大流行的影响。nat。软件。：实践。实验。，52，821–823，2022。[94] R. Vinuesa和B. Sirmacek。可解释的深度学习模型，以帮助实现可持续发展目标。马赫。Intell。 ，3，926，2021。 [95] L. Guastoni，A。Guemes，A。Ianiro，S。Decetti，P。Schlatter，H。Azizpour和R. Vinuesa。 卷积网络模型，以预测壁数量的壁湍流。 J.流体机械。 ，928，A27，2021。 [96] A. Guemes，S。Decetti，A。Ianiro，B。Sirmacek，H。Azizpour和R. Vinuesa。 从粗壁测量到湍流速度场，通过深度学习。 物理。 流体，33，075121，2021。Intell。，3，926，2021。[95] L. Guastoni，A。Guemes，A。Ianiro，S。Decetti，P。Schlatter，H。Azizpour和R. Vinuesa。卷积网络模型，以预测壁数量的壁湍流。J.流体机械。，928，A27，2021。[96] A. Guemes，S。Decetti，A。Ianiro，B。Sirmacek，H。Azizpour和R. Vinuesa。从粗壁测量到湍流速度场，通过深度学习。物理。流体，33，075121，2021。