基于VOF模型的抽水蓄能电站全过流系统水轮机工况数值模拟

为了更加全面地分析抽水蓄能电站水轮机工况的流动特性,建立包括引水隧洞、调压井、高压管道、水泵水轮机以及尾水隧洞的全过流系统几何模型,采用两相流VOF模型对不同导叶开度的水轮机工况进行三维湍流数值模拟,计算各过流部件的水力损失,并详细分析了机组段流场。结果表明:抽水蓄能电站的水力损失主要发生在机组段,而输水系统的水力损失相对较小,约占总水力损失的18.6％;导叶开度不同从而引起叶片压力面与吸力面的压力差不同,这是导致转轮水力损失不同的主要原因;尾水管内的流态与导叶开度有关,开度越小,在尾水管进口处越容易形成回流,水力损失越大。      

基于FLUENT的高黏度酸液酸岩反应流场模拟研究

高黏度酸液酸岩反应时流体的流动情况比较复杂,很难用实验手段直接测量。采用流体计算力学(CFD)软件FLUENT对高黏度酸液在反应釜内部的流动情况进行模拟。结果表明:对于高黏度酸液而言,随着转速的增加,壁面速度损失愈加增大。得出了转速与壁面速度损失的关系式和转速与壁面速度的关系式,以此两关系式可以较为精确地计算各转速下壁面速度损失与壁面速度;将模拟结果与地层裂缝联系起来,得到了施工排量与实验装置转速的关系,从而优化实验设计。捕捉到了模拟装置反应釜内部流场的流动细节,为以后的实验提供了参考;并对反应釜的设计改造提供了理论依据和指导方向。     

好氧堆肥过程中碳素损失及其控制技术研究进展

阐述了好氧堆肥过程中碳素的转化及损失途径,总结了影响堆肥碳素损失的主要因素,简要介绍了控制碳素损失的一些措施,并对今后该领域的研究方向进行了展望,为有效控制堆肥过程碳素损失提供理论依据和实践参考．     

VaR与ES的非参数估计的统计分析

利用VaR与ES最新的非参数估计方法,不依赖于分布假设,对上证指数做实证分析,并对N天的VaR的计算方法进行研究.研究结果表明,在样本容量较大的情况下,VaR与ES的非参数估计方法有较好的效果;曲线回归方法计算N天的VaR的效果明显优于正态假设下计算的效果.     

我国火灾统计数据的聚类分析

采用聚类分析方法对我国大陆３１个省、市、自治区火灾统计数据进行分析处理,对各地区的火灾损失进行了评价,并且用聚类和相关分析的方法讨论了经济发展水平、消防投入与地区火灾损失之间的关系。对６个方面的火灾损失数据进行无量纲处理,通过权重反映各属性对损失的总体贡献。用聚类的方法将３１个地区火灾数据在整体上按火灾损失聚成了３类,每一类的内部火灾特性相对比较接近,不同类之间的差异较大。与火灾损失的聚类做相关性分析,发现地区火灾损失同生产总值、消防基本投入之间均为正相关,由此提出了一些火灾统计与管理的建议。     

基于多任务压缩激发网络的行人属性识别

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,本文提出基于多任务压缩激发(Squeeze-and-Excitation, SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,本文的方法相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升。可见,本文的方法具有普遍有效性。     

近自由液面螺旋桨吸气数值模拟

基于雷诺时均(RANS)法,采用剪切应力输送(SST) k-ω模型及与流体体积(VOF)法相结合的方式,对近自由液面工作的螺旋桨进行数值模拟,分析了螺旋桨与自由液面的相互作用关系及吸气对螺旋桨的影响.结果表明:吸气的发生机制与自由液面涡和梢涡有关,且自由液面涡和梢涡的作用大小与螺旋桨的浸没深度相关;螺旋桨由于吸气现象会出现推力损失及扭矩损失,且当螺旋桨与自由液面的距离越近、进速系数越小时,推力损失和扭矩损失的变化波动越剧烈,其稳定后的平均值也越小;由于吸气现象引起的自由液面的不规则变形会对螺旋桨的性能产生较大影响.     

加权平衡熵损失函数下Poisson分布参数的Bayes估计

首先, 基于平衡损失函数的形式, 给出一个加权平衡熵损失函数, 并将其应用到Poisson分布中, 得到了该损失函数下参数的Bayes估计. 其次, 在先验分布为Gamma分布的条件下, 给出估计量的显式表达式, 证明估计量的相合性, 并利用QQ图的方法检验估计量的渐近正态性.     

基于卷积神经网络的食品图像识别

针对传统食品图像识别方法提取特征能力差、准确率差、运行效率差和卷积神经网络识别相似食品图像难度大等问题, 提出了一种新的食品图像识别模型ChinaFood-CNN, 以实现对食物的精准分类; 在多分类损失函数SoftmaxWithLoss的基础上, 针对食品图像类间相似性大的问题, 提出了最大类间距损失函数(MCSWithLoss), 以增大相似类之间的距离, 实现相似类的区分; 针对随机选取样本时的训练集冗余问题, 在网络模型训练时使用负样本选择算法.实验结果表明:ChinaFood-CNN模型对食品图像的识别准确率达69.2%, 分别比AlexNet、VGG16、ResNet模型提升了17.6%、16.8%和3.6%.     

不同损失函数下艾拉姆咖分布参数的Bayes估计——全样本情形

艾拉姆咖分布在装备的维修理论中具有重要的作用。文中首先给出了这类分布在全样本场合下参数的极大似然估计;由于参数的Bayes估计的优良性与所选取的损失函数有关,因此分别在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计如2n/(2∑n i=1ti+λ)等,并证明了所给估计都是容许的;通过随机模拟比较了几类估计的均方误差以及与真值的偏差,从这两方面来看,在熵损失和平衡损失函数下θ的Bayes估计是较优的;最后通过一个实例,计算了几类估计的值并进行了分析,显示几类估计值相差不大。