检索结果-南通市图书馆

工程热物理学报 2003年第2期24卷 247-250页

作者：杨瑞昌王彦武唐虹梁玥清华大学热能工程系北京100084

本文报告了使用R-12作工质进行的自然循环过冷沸腾净蒸汽产生点的实验结果。实验过程中使用可视化方法观察确定过冷沸腾净蒸汽产生点。在相当宽广的工质压力、入口过冷度及加热功率范围内研究了上述参数对过冷沸腾净蒸汽产生点的影响。... 详细信息

本文报告了使用R-12作工质进行的自然循环过冷沸腾净蒸汽产生点的实验结果。实验过程中使用可视化方法观察确定过冷沸腾净蒸汽产生点。在相当宽广的工质压力、入口过冷度及加热功率范围内研究了上述参数对过冷沸腾净蒸汽产生点的影响。实验结果证实,对自然循环流动,汽泡所受的浮升力对净蒸汽产生点的汽泡的脱离有重要影响。据此,本文提出了使用同时考虑浮升力作用的修正的levy模型计算自然循环过冷沸腾净蒸汽产生点的计算方法。

关键词：自然循环过冷沸腾净蒸汽产生实验过冷度 levy模型反应堆冷却方式

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于复傅里叶级数展开的最低身故利益保障寿险产品的定价

引用

应用概率统计 2022年第1期38卷 123-137页

作者：张博张志民重庆大学数学与统计学院重庆401331

本文利用复傅里叶级数展开方法(CFS)对最低身故利益保障(GMDB)寿险产品进行定价,其主要的思想是对辅助函数进行傅里叶级数展开.本文考虑了两种剩余寿命密度函数的形式,即联合指数形式和分段常数死亡率形式,并通过运用已知的levy模型的... 详细信息

本文利用复傅里叶级数展开方法(CFS)对最低身故利益保障(GMDB)寿险产品进行定价,其主要的思想是对辅助函数进行傅里叶级数展开.本文考虑了两种剩余寿命密度函数的形式,即联合指数形式和分段常数死亡率形式,并通过运用已知的levy模型的特征函数来估计级数的系数.我们将主要考虑看涨期权和看跌期权下GMDB产品的定价问题,在数值实验部分我们还通过与余弦级数展开方法(COS)和蒙特卡洛方法(MC)进行比较来说明CFS在计算精度和运行时间方面的优势.

关键词： CFS方法最低身故利益保障看涨期权看跌期权 levy模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于神经网络的泡沫混凝土性能预测

基于神经网络的泡沫混凝土性能预测

引用

作者：傅沉长安大学

学位级别：硕士

泡沫混凝土的导热系数和抗压强度一直是工程应用中的两个重要指标,两者存在耦合关系。目前对于泡沫混凝土的性能预测,主要通过于数学模型或有限元模型的孔结构来进行研究,已经取得了诸多有价值的成果,但仍没有一套成熟公认的预测体系。... 详细信息

泡沫混凝土的导热系数和抗压强度一直是工程应用中的两个重要指标,两者存在耦合关系。目前对于泡沫混凝土的性能预测,主要通过于数学模型或有限元模型的孔结构来进行研究,已经取得了诸多有价值的成果,但仍没有一套成熟公认的预测体系。本文尝试将神经网络原理运用在泡沫混凝土的性能预测上,利用神经网络良好的泛化能力,通过输入配合比主要参数,得到泡沫混凝土的强度及导热性能预测结果。研究内容主要有以下几个方面:1.介绍了泡沫混凝土、神经网络、孔结构与导热性能、孔结构与抗压强度等内容。并引入了几种常见的复合材料导热系数模型。2.本文引入归一化函数对实验数据进行预处理,利用Matlab分别对标准梯度下降算法、自适应学习速率算法、Levenberg-Marquardt训练算法进行编程建模,对三种不同算法分别进行五次网络训练,比较了三者在训练用时、拟合精度上的性能优劣。通过比较三者所用时间的平均值和拟合精度的平均值,发现Levenberg-Marquardt训练算法具有较短的训练时间和较高的精度,故本文选取Levenberg-Marquardt算法作为BP神经网络模型的训练算法。最终结果显示在数据量和隐含层神经元数目均较小的情况下,Levenberg-Marquardt训练算法的误差不大于30%,并且网络模型在训练时的收敛速度较快,其平均耗时小于0.01秒。3.本文利用Matlab神经网络工具箱建立了预测泡沫混凝土导热系数和抗压强度的BP神经网络模型,并选取Levenberg-Marquardt算法作为网络的训练算法。本文将实验数据分为训练组和对照组,神经网络通过训练组的数据进行非线性拟合,当拟合结果满足误差精度时模型训练完毕。多次训练后选择拟合较好的一组模型,将训练完成的神经网络模型的预测结果与对照组进行比较,即可验证模型预测精度。结果表明,BP神经网络模型能够准确拟合实验数据,利用其泛化能力进行预测的结果与对照组的误差小于8%。4.本文对传统levy模型提出了一种新的可能假设,将不加发泡剂的混凝土基体(含气孔结构),视为一种均质基体(不含气孔结构),提出公式v=v2-v1,v为发泡剂产生的孔隙率,v2为当前实测孔隙率,v1为混凝土未加发泡剂时的固有孔隙率。依据此种假设,运用levy模型进行导热系数预测的结果,优于传统的levy模型。同时对预测结果进行分析,并与BP神经网络模型的预测结果进行比较。结果显示,levy模型随着孔隙率增大而预测精度下降,BP神经网络模型对同一数据的预测误差是levy模型的58.4%。

关键词：泡沫混凝土神经网络抗压强度导热系数 levy模型预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：