针对工程尺度大规模颗粒系统离散元(discrete element method,DEM)仿真效率低以及基于粗粒化理论的离散元仿真方法适用性有限等问题,该研究提出了一种基于精确缩尺与粗粒化的大规模稻种颗粒系统的离散元仿真方法,旨在提高大规模颗粒系...针对工程尺度大规模颗粒系统离散元(discrete element method,DEM)仿真效率低以及基于粗粒化理论的离散元仿真方法适用性有限等问题,该研究提出了一种基于精确缩尺与粗粒化的大规模稻种颗粒系统的离散元仿真方法,旨在提高大规模颗粒系统离散元仿真效率。首先,基于量纲分析推导精确缩尺系统的物理量缩放定律,利用代表性体积单元(representative volume element,RVE)在粗粒化系统与原始系统模型之间建立质量与动量的近似守恒关系,获得宏观与细观尺度下相应物理量的缩放关系。然后,为验证本文方法的正确性,以杂交稻台香812稻种为研究对象,以休止角为试验指标,将本文方法应用于稻种内部坍塌卸料堆积、侧壁坍塌及无底圆筒堆积仿真以获取仿真休止角,设置7组稻种粒径缩放系数(1.0、1.5、2.0、2.5、3.0、3.5、4.0),对应的稻种颗粒粒径范围为2.76~11.04 mm,并将仿真结果与真实试验对比。最后,通过与变比例广义粗粒化方法比较,验证本文方法在大规模颗粒系统离散元仿真计算时间优势。结果表明,随着稻种粒径缩放系数的增大,3种堆积仿真中休止角整体呈现减小趋势,休止角相对误差整体呈现增大趋势,但计算时间减少。当缩放系数为1.0时,本方法与变比例广义粗粒化方法的计算时间分别为11.67、35.00 h,计算时间明显减少;当缩放系数为2.0~4.0时,本方法仿真计算时间也明显低于变比例广义粗粒化方法。研究结果为大规模颗粒系统的离散元仿真提供了理论依据。展开更多
为实现污泥高效减量与资源化,解决其高含水特性制约热化学转化应用的关键瓶颈,本研究以机械脱水污泥为研究对象,解析了污泥的亲水性物性结构特征与水分赋存形态,构建了热风-微波联合干燥系统,系统探究了热风-微波联合作用下污泥的干燥...为实现污泥高效减量与资源化,解决其高含水特性制约热化学转化应用的关键瓶颈,本研究以机械脱水污泥为研究对象,解析了污泥的亲水性物性结构特征与水分赋存形态,构建了热风-微波联合干燥系统,系统探究了热风-微波联合作用下污泥的干燥行为与水分迁移机制。研究发现污泥中的颗粒全部小于40μm,孔隙结构和极性含氧基团丰富,存在41.92%的可冻水与13.47%的不可冻水,深度脱水难度较大。在热风-微波联合干燥过程中,微波功率是影响干燥过程的主导因素,在200W微波与160℃热风联合作用下,污泥最大干燥速率较单独热风干燥提高了21.43倍,降速干燥阶段有效水分扩散系数(Deff)增长至单独热风干燥的60.4倍。Two Term Exponential模型可准确描述污泥在热风-微波复合能量场中的干燥行为。热风-微波联合干燥过程中,基于低场核磁共振技术表征的残余水分横向弛豫时间(T2)峰左移速率仅为单独热风干燥的20.9%,表明微波能不仅抑制了水分的毛细迁移,同时有效破坏了细胞结构,促进了胞内水释放。微波能通过体积加热效应和泵送效应分别强化了污泥快速干燥阶段和降速干燥阶段的水分运移过程;更重要的是通过细胞内蒸气压累积导致细胞结构破坏,释放被束缚的胞内水,从而能够降低深度脱水难度,最终实现污泥的快速低耗干燥。该研究为污泥高效低耗脱水技术的开发提供了理论依据与技术支撑。展开更多
近年来,机器学习方法在实验室地震预测领域取得了显著的进展,为天然地震预测研究开辟了新的方向.尽管如此,当前的研究多采用单一的浅层或深度学习模型,以试图拟合声发射数据与断层失稳状态之间复杂的非线性关系,这种做法在充分刻画数据...近年来,机器学习方法在实验室地震预测领域取得了显著的进展,为天然地震预测研究开辟了新的方向.尽管如此,当前的研究多采用单一的浅层或深度学习模型,以试图拟合声发射数据与断层失稳状态之间复杂的非线性关系,这种做法在充分刻画数据复杂性以及提升模型泛化能力方面存在一定的局限.针对这一问题,本文系统性地比较了多层感知机(MLP)和基于Bootstrap聚合(Bagging)的多层感知机(MLP-Bagging)模型在实验室断层失稳时间(Time to Failure,TTF)推断任务中的表现.通过运用平均绝对误差(MAE)、均方根误差(RMSE)、均方误差(MSE)以及决定系数(R2)等多项性能指标对训练集和测试集进行评估,全面分析了这两种模型的拟合与泛化能力.结果表明,MLP-Bagging模型在所有统计指标上均优于单一的MLP模型,无论是在训练集还是测试集上,其推断误差更低,决定系数更高.此外,在以LSTM+CNN为基学习器的集成学习中也验证了这一结论.Bagging集成策略通过Bootstrap抽样增加数据多样性,并借助模型平均机制有效降低推断方差,从而显著增强模型的稳定性和泛化能力.尽管在临近断层失稳的区域,模型推断准确性仍有待进一步提升,但集成学习方法为实验室断层失稳状态推断提供了更稳健、可靠的建模手段,对地震预测等相关领域的研究具有重要的参考价值.展开更多
摘要为实现污泥高效减量与资源化,解决其高含水特性制约热化学转化应用的关键瓶颈,本研究以机械脱水污泥为研究对象,解析了污泥的亲水性物性结构特征与水分赋存形态,构建了热风-微波联合干燥系统,系统探究了热风-微波联合作用下污泥的干燥行为与水分迁移机制。研究发现污泥中的颗粒全部小于40μm,孔隙结构和极性含氧基团丰富,存在41.92%的可冻水与13.47%的不可冻水,深度脱水难度较大。在热风-微波联合干燥过程中,微波功率是影响干燥过程的主导因素,在200W微波与160℃热风联合作用下,污泥最大干燥速率较单独热风干燥提高了21.43倍,降速干燥阶段有效水分扩散系数(Deff)增长至单独热风干燥的60.4倍。Two Term Exponential模型可准确描述污泥在热风-微波复合能量场中的干燥行为。热风-微波联合干燥过程中,基于低场核磁共振技术表征的残余水分横向弛豫时间(T2)峰左移速率仅为单独热风干燥的20.9%,表明微波能不仅抑制了水分的毛细迁移,同时有效破坏了细胞结构,促进了胞内水释放。微波能通过体积加热效应和泵送效应分别强化了污泥快速干燥阶段和降速干燥阶段的水分运移过程;更重要的是通过细胞内蒸气压累积导致细胞结构破坏,释放被束缚的胞内水,从而能够降低深度脱水难度,最终实现污泥的快速低耗干燥。该研究为污泥高效低耗脱水技术的开发提供了理论依据与技术支撑。
摘要近年来,机器学习方法在实验室地震预测领域取得了显著的进展,为天然地震预测研究开辟了新的方向.尽管如此,当前的研究多采用单一的浅层或深度学习模型,以试图拟合声发射数据与断层失稳状态之间复杂的非线性关系,这种做法在充分刻画数据复杂性以及提升模型泛化能力方面存在一定的局限.针对这一问题,本文系统性地比较了多层感知机(MLP)和基于Bootstrap聚合(Bagging)的多层感知机(MLP-Bagging)模型在实验室断层失稳时间(Time to Failure,TTF)推断任务中的表现.通过运用平均绝对误差(MAE)、均方根误差(RMSE)、均方误差(MSE)以及决定系数(R2)等多项性能指标对训练集和测试集进行评估,全面分析了这两种模型的拟合与泛化能力.结果表明,MLP-Bagging模型在所有统计指标上均优于单一的MLP模型,无论是在训练集还是测试集上,其推断误差更低,决定系数更高.此外,在以LSTM+CNN为基学习器的集成学习中也验证了这一结论.Bagging集成策略通过Bootstrap抽样增加数据多样性,并借助模型平均机制有效降低推断方差,从而显著增强模型的稳定性和泛化能力.尽管在临近断层失稳的区域,模型推断准确性仍有待进一步提升,但集成学习方法为实验室断层失稳状态推断提供了更稳健、可靠的建模手段,对地震预测等相关领域的研究具有重要的参考价值.