GPU上计算流体力学的加速

本文将计算流体力学中的可压缩的纳维叶-斯托克斯(Navier-Stokes),不可压缩的Navier-Stokes和欧拉(Euler)方程移植到NVIDIA GPU上.模拟了3个测试例子,2维的黎曼问题,方腔流问题和RAE2822型的机翼绕流.相比于CPU,我们在GPU平台上最高得到了33.2倍的加速比.为了最大程度提...     

凝并与沉降共存的直接蒙特卡罗模拟及其验证

气溶胶动力学方程是描述气溶胶动力学变化的主要方程,凝并与沉降共存问题是相关领域的常见的问题。建立了对该类问题的分段算法和直接蒙特卡罗模拟(Direct Simulation Monte Carlo method,DSMC)计算方法,对DSMC中事件后系统参数的更新方法进行了改进,并提出了用纳入解析解的分段算法的结果对DSMC模拟结果进行验证的方法。结果表明,改进的DSMC算法显著提高了计算效率,模拟结果与其它算法的结果一致。     

基于OPS的计算流体力学软件多平台自动并行

当前高性能计算机体系结构呈现多样性特征,给并行应用软件开发带来巨大挑战.采用领域特定语言OPS对高阶精度计算流体力学软件HNSC进行面向多平台的并行化,使用OPS API实现了代码的重构,基于OPS前后端自动生成了纯M PI、OpenM P、M PI+OpenM P和M PI+CUDA版本的可执行程序.在一个配有2块I...     

面向计算流体力学应用开发框架的容错周期优化方法

针对计算流体力学应用开发框架容错支持能力的不足,提出了一种新的容错周期优化方法。该方法基于系统故障的概率建模,计算得到理想最优容错周期;并结合计算流体力学应用场数据输出的特点,在线确定实际检查点备份时机。三个典型应用的实验结果表明,在不同平均无故障时间的系统上,与固定时间步进行容错的方法相比,该方法总能够得到最优的容错开销。用户可以基于该方法通过框架接口便捷地设置容错周期,并有效降低容错所引起的开销。     

Leu-Phe分子印迹预组装体系热力学平衡的计算模拟

使用Gaussian03软件研究以Leu-Phe为模板,甲基丙烯酸为功能单体,乙二醇二甲基丙烯酸酯为交联剂,三氟乙酸为助溶剂的分子印迹预组装体系.计算了功能单体、助溶剂和交联剂加入量对各种模板复合物浓度的影响,进而确定了Leu-Phe分子印迹聚合物的合成条件.按条件合成聚合物后考察其识别性能,并结合计算模拟和实验结果解释实验现象.计算模拟可能有助于合成高特异性和亲和性分子印迹聚合物,探讨了分子印迹聚合物的分子识别机理.     

面向计算流体力学应用开发框架的容错周期优化方法

针对计算流体力学应用开发框架容错支持能力的不足,提出了一种新的容错周期优化方法。该方法基于系统故障的概率建模,计算得到理想最优容错周期;并结合计算流体力学应用场数据输出的特点,在线确定实际检查点备份时机。三个典型应用的实验结果表明,在不同平均无故障时间的系统上,与固定时间步进行容错的方法相比,该方法总能够得到最优的容错开销。用户可以基于该方法通过框架接口便捷地设置容错周期,并有效降低容错所引起的开销。     

动态计算圆弧并面积的一个算法

本文介绍动态计算圆弧并面积的一个算法。动态计算指允许在圆弧并图形中任意做插入或删除。算法适合交互操作，有很好的实用性。     

基于DNA计算的RSA密码系统攻击方法

针对RSA公钥密码体制的陷门库特点,提出一种新的DNA计算模型：并类计算模型,阐述基于该模型的RSA密码系统的攻击方法。该方法采用DNA分子编码陷门库与公钥,通过组合、设置、分离、清除等操作筛选出陷门,由电泳确定陷门的值,再用陷门计算私钥的值。该方法所需的时间复杂度为O(1bn)3,DNA分子的体积不超过1 m3。     

一种新型下行管入口结构流体力学性能的数值模拟

提出了一种新型下行管入口结构,并采用计算流体力学对这种下行管入口结构的流体动力学进行数值模拟。对气固两相流采用双流体模型,其中采用颗粒动理学模型描述固相粘度和固相压力。模拟结果表明新型下行管入口区相对周围其它区域为负压区,气固初始接触区的流体被抽吸进入下行管。下行管入口段颗粒浓度在径向上的分布呈中心高、边壁低的分布,随着轴向位置的增加,颗粒逐渐向边壁方向扩散,使得颗粒浓度在径向上分布趋向均匀。气固初始接触区颗粒浓度相对较高。颗粒在下行管中运动历程可分为三个阶段：加速段、减速段和恒速段,这与气固并流接触入口结构的颗粒运动历程不同。     

北京地区PM_(2.5)质量浓度分布及其与气象条件影响关系分析

近些年来,随着城市规模的扩大及工商业的发展,雾霾污染越来越严重。作为产生雾霾天气的主要原因之一,PM_(2.5)受到了空前的关注。在一定条件下,污染物的生成、积累和扩散主要取决于气象条件。因此,本文收集了2009年2月18日至2013年12月31日期间北京市PM_(2.5)质量浓度监测资料和同期气象观测资料,根据PM_(2.5)的实际分布情况,研究了北京市PM_(2.5)污染状况及其与气象条件的相互影响关系,为北京市PM_(2.5)监测和污染防治提供参考。结果表明,北京市PM_(2.5)质量浓度呈现明显的非正态分布,年均污染水平在100μg·m~(-3)左右。风速、相对湿度和日照时数等气象条件对于细颗粒物的污染程度有着较显著的影响。风速低,相对湿度高时,会导致PM_(2.5)的积累,从而降低了日照时数。同时,北京地区特殊的地形使得西北风下颗粒物能够较快扩散。     

基于LSTM的PM2.5浓度预测模型

随着近年雾霾天气的频繁出现,空气质量开始越来越受到公众关注。PM2.5浓度指数是判断空气质量的重要指标,如何根据历史数据有效地预测空气中PM2.5浓度,具有很高的应用价值。分析以往空气质量数据表明,PM2.5浓度有明显的非线性和不确定性波动,很难用传统机器学习算法有效地预测。本文基于LSTM循环神经网络,依据过去20小时采集的空气数据,预测未来5小时的PM2.5浓度指数。实验结果表明,LSTM可以有效地捕获空气质量的时序特征,较准确预测出未来时刻的PM2.5浓度指数。     

基于GPS浮动车法的城市PM2．5监测系统设计

为了解决现有P M2．5监测站成本高、监测数据更新时间长、在具体位置处监测值不够精确等问题,设计了一种基于 GPS浮动车法的城市PM2．5监测系统.该系统包括车载PM2．5检测设备和监控中心两部分,车载检测设备的主控芯片为LPC2366.通过将车载PM2．5检测设备装载到城市移动车辆上,收集整个城市的PM2．5数据,生成城市PM2．5的分布图与点聚图,并通过网页的形式进行发布.该系统大大降低了P M2．5监测成本,增强了监测实时性,提高了监测的效率.     

基于Arduino的PM2.5和温湿度实时检测器设计

设计了能够实时检测周围环境温湿度、PM2.5值的便携式检测器,该检测器以Arduino UNO开发板为核心,由外部多个传感器采集数据,通过在Arduino IDE上的编程控制数据采集,经处理换算后将结果呈现在显示屏上,显示数值每隔2.5s更新一次,从而达到实时检测的目的.该检测器在45～ 80 μg/m3范围内与汉王N1型霾表相对偏差小于±5％,具有快速响应、实时更新、简单实用的特点.     

基于多元回归分析的PM2.5预测研究

PM2.5对人体健康和大气环境质量的影响众所周知,分析、预测PM2.5浓度对污染天气防治与干预有着非常重要的作用。利用灰色关联度、多元回归分析等方法对全国各大城市空气质量进行了研究,分析了影响PM2.5浓度的主要因素并进行了影响程度排序,构建了PM2.5预测模型并进行了预测实践,为我国环境空气质量预报和污染天气防治干预提供了有效的决策信息。     

A deep learning-based PM2.5 concentration estimator

PM2.5 does great harm to human beings. In particular, it can lead to an increase in human lung cancer. In this paper, we propose a PM2.5 concentration estimator based on deep convolutional neural networks. The proposed method consists of three modules. First, we generate a hallucinated reference image of PM2.5 by using deep convolutional neural networks. The discrepancy map of the PM2.5 image and the hallucinated reference image are calculated. Second, the discrepancy map and the distorted PM2.5 image are used to extract the features. Third, the prediction module based on neural networks utilizes those extracted features to predict PM2.5 concentrations. Compared to existing PM2.5 estimators and state-of-art image quality assessment(IQA) metrics, experimental results illustrate the effectiveness of the proposed model on the AQID database.     

基于深度学习的PM2.5浓度长期预测

为提高PM2.5长期预测精度,以空气污染物与气象因素作为影响因子,提出一种基于深度学习的TSMN(time series memory network)预测模型.该模型由两个组件构成,本地记忆组件利用外部记忆方式提高模型长程记忆能力,并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测.通过使用不同评价指标将TSMN模型与多种模型进行对比,其中与性能较优的CNN-LSTM模型相比,该模型的RMSE、MAE分别下降5.2％、5.7％,R2提升7.5％.实验结果表明TSMN模型能够有效提高PM2.5浓度的长期预测精度.     

基于改进神经网络算法的PM2.5污染信号分析检测

当前为了保证污染信号分析的精度,在对PM2.5污染进行检测的过程中,需处理的数据量过大,导致经典神经网络方法遇到矛盾数据时,需要花费大量的数据校验时间,收敛速度下降,检测效率大幅降低,提出一种基于改进神经网络算法的PM2.5污染检测方法,在分析标准神经网络算法的基础上,允许信号跳变精确度范围内,在层与层之间引入容错性变量,同时在计算阈值的过程中融人松弛变量,提高收敛速度;避免神经网络陷入局部最优解;采用改进神经网络算法,通过不断调整网络的权值以及污染阈值,对PM2.5污染信号进行高效检测;以飞利浦公司的新一代检测系统为测试器材,测试结果表明,采用所提方法得到的PM2.5污染检测效率明显提高.     

改进型卡尔曼滤波的PM2.5浓度预测系统

针对目前室内空气净化器功能单一、自动调节能力弱的特性,设计了一种改进型卡尔曼滤波对PM2.5浓度进行预测的系统,为净化器提供可靠的调节参数.选用S3C2440芯片,通过外设采集PM2.5浓度和温度,以及对历史数据进行分析.通过改进型卡尔曼滤波对历史数据、PM2.5浓度以及温度进行融合,可以准确得到下一时刻的浓度值.测试结果表明:系统运行稳定,算法跟踪效果明显,鲁棒性强,可以准确预测出下一时刻的PMV2.5浓度,并且预测误差在2.0％以内,满足设计要求.     

新型现代有轨电车内PM2.5浓度实时监测系统设计

设计了一种新型的基于GPRS的现代有轨电车内PM 2.5浓度实时监测系统.系统包括车载硬件终端和中心平台,车载硬件终端实现对电车内PM 2.5浓度数据采集;中心平台以TCP协议的Socket通信为基础,采用Visual Basic软件设计,能实时显示和记录车内PM 2.5浓度的动态曲线以及历史数据.车载硬件终端与中心平台间采用GPRS网络模块SIM900A通信.该系统通过与车内空气净化器组合使用,可提高车内空气质量.