【摘 要】
：
为使鱼道模型中进口流场与试验鱼类的游泳能力相匹配,在以往变态模型相似性研究的基础上,将变态相似理论应用于鱼道建筑物,使模型变率小于1.利用计算流体动力学(computationa
【机 构】
：
武汉大学水资源与水电工程科学国家重点实验室,湖北武汉430072
论文部分内容阅读
为使鱼道模型中进口流场与试验鱼类的游泳能力相匹配,在以往变态模型相似性研究的基础上,将变态相似理论应用于鱼道建筑物,使模型变率小于1.利用计算流体动力学(computational fluid dynamics,CFD)软件对3种变率方案下的鱼道建筑物进行数值模拟计算,根据计算结果量化变率对物理模型中水流特性的影响,得到变率对横向、纵向、平面速度的影响规律以及建筑物中流量对变态相似误差产生的影响,并给出了可参考的变率范围.
其他文献
随着中国经济的快速发展,物流配送对车辆调度的实时性与应急情况处理能力提出了更高的要求,使用传统车辆调度算法难以满足突发事件实时处理需求。针对紧急情况如车辆故障或新增任务点等,在传统启发式算法——破坏重建算法的基础上提出了一种动态调度方法:局部搜索方法,实现了物流车辆的动态调度,有效提升了车辆调度中应对紧急情况的实时性与动态性。与多目标混合蚁群优化算法进行实验对比,结果验证了破坏重建算法的优势;利用
为准确掌握基坑变形发展趋势,以多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MF-DFA)及Spearman秩次检验为基础,构建了基坑变形趋势的综合判断模型
生物危害应急响应是生物安全保障的重要组成部分,需要紧密围绕应急响应预案来组织实施。针对目前的应急响应预案知识组织研究尚不完善,现有的数据模型不能满足生物危害态势时空分析需要的问题,在ABC本体模型的基础上构建了生物危害应急响应地理本体模型(biohazard emergency response geo-ontology model,BEROM),并建立了用于应急决策推理的规则集。对北京市严重急性
兴趣点(point of interest, POI)推荐是在基于位置的社交网络中流行起来的个性化服务。针对数据稀疏和隐性反馈的使用等问题,提出了一种关系型矩阵分解模型——合作竞争矩阵分解(cooperative competition matrix factorization,CC-MF)。该模型根据用户与POI间的相互关系建模,融入空间关系,并将空间关系细分为空间距离关系和空间拓扑关系,挖掘P
出租车出行是表征空间不平等的重要指标,分析其特征对于城市规划、交通管理、智慧城市建设等具有重要意义。利用中国上海市出租车出行的车流数据与人口普查数据,对研究区域进行空间多尺度划分,运用Hadoop大数据处理、社会网络分析、地理加权回归等方法,探究中国上海市出租车出行的空间不平等状况及其与人口结构的关联性。结果表明:上海市存在出租车出行的空间不平等现象,在中心城区以及城市副中心区域,出租车出行便利性
针对轨迹大数据的高效点-轨迹k近邻(point to trajectory k nearest neighbor, P2T_k NN)查询处理需求,提出了一种融合时空剖分和轨迹分段的轨迹组织方法,其核心思想是在对轨迹作时间剖分的基础上,利用离散全球网格系统(discrete global grid system, DGGS)在空间上进行再次剖分,从而利用两次剖分得到的时空单元编码来索引落入其中的轨
在有衬砌隧道渗流场分析中,衬砌的渗水模式可分为等水压渗水和等水头渗水2种情况.基于现有研究成果,推导得出等水压渗水和等水头渗水模式下有衬砌无压隧道渗流场解析解,并根
为更加快捷、准确地进行膨胀土分类,基于燕尾突变模型,选用标准吸湿含水率、自由膨胀率和塑性指数作为评判指标,提出了一种新的膨胀土分类方法.首先,收集整理了若干具代表性
随着城市化建设水平的不断提高,城市结构日趋复杂,给城市应急疏散的设计和实施带来困难和挑战。针对复杂城市道路网络中高密度人群的多出口疏散问题,以疏散时长和拥堵时长为优化目标,提出了一种基于协同优化的有组织疏散方案。首先,对道路网络和疏散人群进行建模;接着,为每个疏散组分配疏散出口和最短路线;然后,针对出口占用不平衡问题,对部分疏散组的出口进行协同再分配;最后,应用协同优化策略,根据道路拥堵情况计算疏
现有的视频浓缩方法无法有效表达视频对象在多相机地理场景中的全局运动情况。针对该问题,提出了顾及相机可观测域的地理场景多相机视频浓缩方法。首先基于视频空间化处理,进行地理场景中相机可观测域分析;其次通过多相机视频对象的数据组织,优选相机可观测组集合,获得虚拟视点;最终实现场景中多相机视频浓缩。实验结果表明,所提方法不仅能够表现视频对象在多个相机镜头中的全局运动情况,而且相比于虚拟场景中的单相机视频浓