基于MCMC方法的城区有毒气体扩散源反演

城区中有毒气体突发性泄漏时,需要快速对泄漏源进行定位和识别,以便科学预测气体的蔓延及其影响范围。利用基于Bayes推断理论的MCMC(Markov chain Monte Carlo)抽样方法,根据城市中分布的传感器测量信息,和气体扩散数值计算模型,构造似然函数,对泄漏源的位置、强度进行反演。通过计算这些参数和空间各点浓度的相关统计量,表明反演结果与泄漏源的真实参数十分吻合。此外,还讨论了传感器测量误差的概率分布对结果的影响。结果表明,误差概率会显著影响计算效果,概率分布越平坦,泄漏源反演信息的不确定度越大。     

基于伴随方程和MCMC方法的室内污染源反演模型研究

研究了室内污染物扩散后的源反演方法.通过数值求解浓度场的伴随方程,并结合传感器测量信息,构造似然函数;利用基于贝叶斯推断理论的MarkovChainMonte Carlo(MCMC)抽样方法,对污染源的位置、强度的后验概率进行计算,反演结果与污染源的真实参数吻合.该方法与传统的室内污染物反演方法相比,极大地降低了计算量.此外,还讨论了传感器性能对结果的影响,研究表明传感器误差概率分布越平坦,污染源反演信息的不确定度越大;而过低的测量灵敏度,则会导致反演结果呈现多个局部极值点的特性.     

基于MCMC方法的城区有毒气体扩散源反演

城区中有毒气体突发性泄漏时,需要快速对泄漏源进行定位和识别,以便科学预测气体的蔓延及其影响范围。利用基于Bayes推断理论的MCMC(Markov chain Monte Carlo)抽样方法,根据城市中分布的传感器测量信息和气体扩散数值计算模型,构造似然函数,对泄漏源的位置、强度进行反演。计算了这些参数和空间各点浓度的相关统计量,表明反演结果与泄漏源的真实参数十分吻合。此外,还讨论了传感器测量误差的概率分布对结果的影响。结果表明,误差概率会显著影响计算效果,概率分布越平坦,泄漏源反演信息的不确定度越大。     

建筑火灾模拟的区域-粒子模型

提出了一种新型的模拟火灾烟气运动和混合行为的模型. 该模型引入了一个标量函数来表征热烟气和冷空气的混合, 以此来提高温度和烟气浓度在垂直方向上的预测精度. 模型采用光滑粒子流体动力学方法(SPH), 通过重构粒子的速度, 求解粒子位置, 计算其在区域模型中各层的数量, 来获得标量函数的分布. 采用一个标准的实验建筑算例, 通过其与实验数据, CFD模拟数据和传统区域模型CFAST的比较, 验证了模型的合理性. 与传统的区域模型相比, 新模型的温度预测结果与实验数据和CFD模拟数据符合较好.