风速风向对上海地区建筑物南墙冬季太阳辐射得热的影响

以上海地区典型冬季气候条件为基础,考虑风速与风向对围护结构传热过程和对太阳能的实际吸收效果的影响,利用数值方法模拟了建筑物南墙在太阳辐射作用下的传热过程.结果表明,风向和风速对围护结构外表面对流换热系数、外表面温度的影响都较大,对外保温墙体的净得热和对流散热量也有一定程度影响.在南墙背风且风向斜吹(风向与南墙法线夹角为135°)时,太阳辐射净得热量最大.南墙在一天中的净得热量随着风速增大而下降,但当风速增大到3m/s后,南墙的太阳能实际吸收率不再明显下降.由此表明,尽管上海地区冬季出现大风的概率较高,但并不会明显削弱南墙对太阳能的有效吸收.     

昆明地区南墙面上小时太阳辐射量的计算

以昆明地区的南向墙面为例,模拟计算了两分、两至日的小时太阳辐射量随时间的变化关系.经计算机辅助计算得:四个典型日的最大负荷都出现在中午十二点附近.其中,春分日的最大瞬时辐射量为1.84 MJ/m2;夏至日的最大瞬时辐射量为0.59 MJ/m2;秋分日和冬至日的辐射量分别为1.81 MJ/m2和2.05 MJ/m2.     

基于因素重构分析的人才总量预测模型

针对传统预测模型的缺点，该文建立因素重构分析法的预测模型，该模型只需要少量的数据就可以准确的预测，减少了在预测过程中的计算量，并用这个模型来对某个城市的人才总量进行预测．     

变倾角倾斜面上太阳辐射总量的气候学计算

以水平面上的太阳辐射日总量的气候学计算公式为基础,导出了不同方位变倾角倾斜面上的太阳辐射日总量的气候学计算公式,并根据广西的太阳辐射数据,选定南宁地区为实例,计算了南宁地区斜面倾角在０°～９０°之间变化,方位角分别为０、π／２、π、－π／２等情况下,斜面上的太阳辐射收入的旬平均日总量,作出了Ｈｔ－ｄ－ｓ三维图及它们的等值图。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

太阳辐射对乘员热舒适性影响的研究

太阳辐射对轿车乘员舱热舒适性有较大影响,在设计空调系统制冷时,应该以太阳辐射对乘员产生最大热量时的工况为依据,而在传统设计中往往采用90°太阳高度角时的辐射工况.文章通过采用RNGk-ε湍流方程和Discrete Ordinates辐射模型,结合人体各个部位的热评价机制,对某款轿车的乘员热舒适性进行了多工况数值模拟和分...     

确定大气上界太阳辐射总量的椭园积分模式

本文根据椭园积分的某些基本性质,对积分上限大于π/2的不完全椭园积分作函数变换,给出一年中任意时段天文辐射总量的椭园积分计算方法。对第一类、第二类和第三类不完全椭园积分的模数k区分三种情况进行处理:(1) k<1,相当于南北极圈之间各个纬度;(2) k=1,相当于极圈纬度;(3) k>1,相当于极圈外各个纬度。用全球辐射气侯计算的灵感地区北纬65°的计算结果与日总量累加值和Milankovitch公式进行对比检验,极为一致。在理论上,椭园积分模式较严密,但运算过程较复杂,工作量较大。     

广西主要城市倾斜面上太阳辐射总量的气候学计算

提出了倾斜面上太阳辐射总量的气候学计算公式，并据此计算了广西区主要城市各典型倾斜面上的太阳辐射月平均值。     

基于全年太阳辐射得热的建筑外遮阳系数简化计算方法研究

使用Ecotect模拟计算和数据拟合的方法,从模拟计算太阳辐射量的角度,对规范中外遮阳系数计算方法进行探讨,并针对常见实际工程,补充影响外遮阳系数的特征尺寸,以夏热冬暖地区的广州市为例,得出典型遮阳形式（水平和垂直外遮阳）的拟合公式,为较为精确的建筑外遮阳系数计算提供一种简化计算方法,为更为完善的拟合公式的得出提供一种思路。     

基于Gebhart方法分析轿车车室内壁面的太阳辐射得热

通过建立太阳辐射模型，计算了不同时刻轿车各车窗表面接受的太阳直射辐射与散射辐射量．根据车室内部结构，将车室分为３４个相互独立的表面，应用积分法计算了３４个面之间的角系数，利用修正的Ｇｅｂｈａｒｔ方法，对通过窗户透入室内的太阳辐射在内表面上的分配进行了计算．求得的交换系数可用于求解包括壁面长波辐射在内的各表面之间的动态辐射换热     

基于太阳辐射量控制的新型跟踪系统研究

为了减少系统能耗,提高太阳能系统的发电量和收益率,设计了一种基于太阳辐射量控制的太阳能跟踪系统。采用太阳运行轨迹跟踪和传感器跟踪结合的方式跟踪太阳位置,同时用太阳辐射量传感器信号来判断是否执行跟踪,使跟踪条件更加精确。实验结果表明理论计算所设定的跟踪阈值满足实际跟踪的要求,同时该跟踪方式相对固定摆放方式,提高了太阳能电池发电效率约30%。     

太阳辐射作用下双层玻璃幕墙热通道的节能计算与实验研究

研究在不同太阳辐射作用下双层玻璃幕墙热通道气流，建立相关的流场和温度场状态方程组，计算双层玻璃幕墙冬季增热保温和夏季热气流降温的节能性能。通过双层玻璃幕墙的实体模型试验，观察流场结构，温度场变化，实测相关参数。最后开发有限分析计算软件，并给出计算实例。     

基于链接预测模型的融合研究

知识图谱技术在信息检索、智能问答领域有着重要作用.为了解决大型知识图谱中的有效实体缺失问题,需要使用链接预测手段自动预测实体之间缺失的链接,完善知识图谱中缺失的实体.现在有许多链接预测的方法,其中基于神经网络的Grail模型侧重于对局部子图进行推理,具有很强的归纳倾向,但在语义层次建模方面存在不足.因此,提出了Grail&HAKE融合模型,通过将Grail模型与HAKE模型进行融合,解决了Grail模型在语义层次建模方面存在的不足.实验结果表明,Grail&HAKE的融合模型比单独使用Grail和HAKE模型的MRR值分别高出0.100 5和0.306 3,并且在部分数据集上优于其他融合模型.说明Grail&HAKE融合模型在知识图谱的有效实体链接预测方面是有效可用的.     

基于人工神经网络的崩岸预测模型研究

针对崩岸影响因素众多、难以定量评价等问题,采用一种基于人工神经网络的崩岸预测方法,介绍了其基本原理.在研究崩岸诸多影响因素的基础上,选取11种主要影响因素建立崩岸预测模型.以随机构造的20个岸坡模型为训练样本,以5个随机岸坡模型为检验样本,实现了岸坡稳定性的人工神经网络预测.初步结果表明,神经网络方法可以应用于崩岸的预测.     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析,论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义,提出了一种可作为非线性时序模型的内反馈神经网络．     

遮阳翻板对厦门市建筑物太阳辐射得热的影响

利用翻板辐射传输计算模型和得热逐时计算模型,研究遮阳翻板对厦门市建筑物窗口及外墙得热的影响。结果表明:相对于无遮阳情形,梭形翻板和穿孔弧形翻板的隔热作用非常明显,其中梭形翻板又比穿孔弧形翻板效果更好;遮阳翻板有效降低了墙体和窗口的峰值得热量,降低的幅度随翻板倾角的增大而增大;但是,由于遮阳板的存在,使得建筑围护结构在夜间的散热能力降低;翻板表面反射率越大,进入窗口的太阳辐射得热量就越大。最后提出:从夏季遮阳节能角度出发,厦门夏季百叶倾角应尽可能大,以阻挡太阳辐射带来的得热,冬季应调整翻板倾角,使得翻板尽量面对太阳直射方向,尽可能使得太阳辐射进入室内。     

基于气象日序数的同时发生设计日挑选方法

传统空调设计气象参数设计日对气象参数间的同时发生性考虑不足,导致空调系统的设计冷负荷与实际峰值冷负荷相差甚远. 为挑选出计算空调系统设计负荷的更合理的同时发生设计日,提出了一种基于气象日序数的空调设计同时发生设计日挑选方法. 该方法首先定义气象日序数的概念,用历史实测气象数据和动态负荷计算模型计算房间动态负荷,基于室内热环境风险水平挑选通用气象日序数集,提出多维多参数聚类分析方法,从通用气象日序数集中选取代表性的同时发生设计日. 运用该方法从香港和长沙的长年实测气象数据中挑选出两个地区的同时发生设计日. 实例研究表明,该方法挑选出的同时发生设计日数量少,适合于工程设计应用. 与传统设计日对比表明,气象日序数方法给出的同时发生设计日计算设计冷负荷准确性更高,能满足工程设计准确性要求.     

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现.针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用干预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围.以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度.预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高.相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性.