太阳时角、太阳高度角、天顶角、太阳方位角和剖面角计算的Python程序
基本概念经度，LongitudeL，经度(longitude)是地球上一个地点离一根被称为本初子午线的南北方向走线以东或以西的度数。本初子午线的经度是0°，地球上其它地点的经度是向东到180°或向西到180°。在本初子午线以东的经度叫东经，在本初子午线以西的叫西经。东经用"E"表示，西经用"W"表示。维度，Latitudeφ(phi)，维度 ， 赤道以北或以南的角位置，北正；−90°≤φ≤90°。赤纬角，Declinationδ，赤纬，太阳正午（即，当太阳位于本初子午线时）太阳相对于赤道平面
平板集热器的集热量和热效率计算的Python程序
基本概念集热器的示意图集热器有效利用能QuUL也成为热损失系数Tpm不易计算，Qu计算公式可转化为Tf,i是流体的进口温度#集热器有效利用能QuQ_u = A_c * F_R * (S-U_L*(T_i-T_a))集热效率η#集热效率ηEta = Q_u /(I_T*A_c)吸热面吸收的太阳辐射量S集热器性能的预测需要集热板吸收的太阳能信息。倾斜集热器上入射的太阳能可以用第二章的方法求出。这种入射辐射有三种不同的空间分布：直射辐射、散射辐射和地面反射辐射，每
流体网络拓扑（1）——流体网络拓扑的基本概念
1流体网络拓扑的基本概念图是数学中的一大研究领域，属于拓扑学中的一大分支。无论是通风系统，还是城市集中供热系统，以及城市煤气输送系统、自来水供应系统、集中空调系统等各种有流体流动的管路系统，它们都有一共同的特点，那就是它们都是由输送流体的管路、各种调节设施及动力设施构成，流体管路连接在一起形成流体网络。本章内容抛开流体网络的各种属性，只考虑流体网络的几何连接拓扑关系。为此，将管路称之为分支（边）或支路，3条以上分支的连接点称之为节点。1.1图、有向图、无向图、子图1.2路径、回路、连通图、非连通图
流体网络拓扑（2）——流体网络图的矩阵表示
2 节点邻接矩阵2.1无向图2.2有向图有向图节点邻接矩阵A中元素的“负号”是指始节点vi到终节点vj的流向与图1-1中所约定的流向相反，因此以“负号”来表示。3关联矩阵与基本关联矩阵3.1关联矩阵3.1.1无向图3.1.2有向图3.2基本关联矩阵4回路矩阵与基本回路矩阵4.1回路矩阵回路是由支路所构成的一条闭合路径。回路矩阵是用回路与支路的关系描述有向图的拓扑性质。4.1.1无向图4.1.2有向图4.2基本回路矩阵将满秩的回路矩阵称为基本回路矩
流体网络拓扑（3）——网络分流
无回路附加阻力的Barczyk法迭代过程程序#Barczykfrom sympy import *q1,r1 = 20,0.375q2,r2 = 11.5,1.5q3,r3 = 8.5,2q4,r4 = 10.5,4.6875q5,r5 = 1,12.5q6,r6 = 9.5,1.7361q7,r7 = 20,0.5q8 = 20C_T = Matrix([[0,-1,-1,0,0],[0,0,-1,-1,0],[1,1,1,1,1]])i = 0while True:
计算标准差、方差的Python程序
#计算拟合函数的标准差、方差from sympy import *X = [3.2,2.99,2.7,2.28,1.53]Y = [7.06,6.94,6.73,6.52,6.06]n = len(X)def f(x): y = 0.5955*x + 5.1486 return yY_v = []for i in range(n): Y_v.append(f(X[i]))S = 0for i in range(n): S += (Y[i] - Y_v[i]
ANSYS FLUENT软件基础介绍
计算流体力学或计算流体动力学（Computational Fluid Dynamics，CFD），是用电子计算机和离散化的数值方法对流体力学问题进行数值模拟和分析的一个分支。CFD是近代流体力学、数值数学和计算机科学结合的产物，是一门具有强大生命力的边缘学科。CFD软件一般都能推出多种优化的物理模型，如定常和非定常流动、层流、紊流、不可压缩和可压缩流动、传热、化学反应等。对每一种物理问题的流动特点，都有适合它的数值解法，用户可选择显示或隐式差分格式，以期在计算速度、稳定性和精度等方面达到最佳。CFD软件
流体网络拓扑（4）——网络分流算法中的Barczyk法和Cross法的例题
例1代码：#Barczyk，有回路附加阻力from sympy import *q1,r1 = 3,2q2,r2 = 2,3q3,r3 = 5,1C_T = Matrix([[-1],[1]])i = 0while True: i += 1 print(f'第{i}次迭代：') f1 = round(r1 * q1 * abs(q1) - r2 * q2 * abs(q2), 4) f2 = round(r3 * q3 * abs(q3) + r2
Python数据分析与挖掘——线性回归预测模型
线性回归模型属于经典的统计学模型，该模型的应用场景是根据已 知的变量（自变量）来预测某个连续的数值变量（因变量）。例如，餐 厅根据每天的营业数据（包括菜谱价格、就餐人数、预定人数、特价菜 折扣等）预测就餐规模或营业额；网站根据访问的历史数据（包括新用 户的注册量、老用户的活跃度、网页内容的更新频率等）预测用户的支 付转化率；医院根据患者的病历数据（如体检指标、药物服用情况、平 时的饮食习惯等）预测某种疾病发生的概率。站在数据挖掘的角度看待线性回归模型，它属于一种有监督的学习 算法，即在建模过程中必须同时具
Python中机器学习神器——sklearn模块
参考文章Python机器学习笔记：sklearn库的学习ML神器：sklearn的快速使用机器学习与Sklearn的初识传统的机器学习任务从开始到建模的一般流程是：获取数据 → 数据预处理 → 训练建模 → 模型评估 → 预测，分类。Skikit-learn算法库由图中，可以看到库的算法主要有四类：分类，回归，聚类，降维。其中：常用的回归：线性、决策树、SVM、KNN ；常用的分类：线性、决策树、SVM、KNN，朴素贝叶斯；既可以回归也可以分类的算法：随机森林、Adaboost、Gr
Python数据分析与挖掘——回归模型的假设检验
模型的显著性检验是指构成因变量的线性组合是否有效，即整个模型中是否至少存在一个自变量能够真正影响到因变量的波动。该检验是用来衡量模型的整体效应。回归系数的显著性检验是为了说明单个自变量在模型中是否有效，即自变量对因变量是否具有重要意义。这种检验则是出于对单个变量的肯定与否。模型的显著性检验和回归系数的显著性检验分别使用统计学中的F检验法和t检验法，接下来将介绍有关F检验和t检验的理论知识和实践操作。1. 模型的显著性检验——F检验在统计学中，有关假设检验的问题，都有一套成熟的步骤。首先来看一下如何应用
Python数据分析与挖掘——交叉验证法
交叉验证(Cross-validation)主要用于建模应用中，例如PCR （主成分回归）、PLS （偏最小二乘）回归建模中。在给定的建模样本中，拿出大部分样本进行建模型，留小部分样本用刚建立的模型进行预报，并求这小部分样本的预报误差，记录它们的平方加和。...
Python数据分析与挖掘——回归模型的诊断
当回归模型构建好之后，并不意味着建模过程的结束，还需要进一步对模型进行诊断，目的就是使诊断后的模型更加健壮。统计学家在发明线性回归模型的时候就提出了一些假设前提，只有在满足这些假设前提的情况下，所得的模型才是合理的。本节的主要内容就是针对如下几点假设，完成模型的诊断工作：误差项 ε 服从正态分布。无多重共线性。线性相关性。误差项 ε的独立性。方差齐性。除了上面提到的五点假设之外，还需要注意的是，线性回归模型对异常值是非常敏感的，即模型的构建过程非常容易受到异常值的影响，所以诊断过程中还需要对
ANSYS FLUENT——最基本操作（以一个简单的案例为例）
FLUENT18.01、网格导入与处理FLUENT读入网格通过执行File→Read→Case/Mesh命令，读入已经建好的网格文件。一般来说，case文件包括网格、边界条件和解得控制参数如果网格文件是其他格式，相应地执行File→Import命令。关于单精度和双精度（Double Precision）求解器的选择对于大多数情况来说，单精度计算已经足够了，但在下面这些情况下需要使用双精度计算：（1）计算域非常狭长（比如细长的管道），用单精度表示节点坐标可能不够精确，这时需要采用双精度求解
ANSYS ICEM CFD——网格划分基础知识
1、网格划分技术在使用商用CFD软件的工作中，大约有80%的时间是花费在网格划分上的，可以说网格划分能力的高低是决定工作效率的主要因素之一。结构化网格和非结构化网格的比较FLUENT软件采用非结构网络与适应性网络相结合的方式进行网络划分。与结构化网络和分块结构网络相比，非结构网络划分便于处理复杂外形的网络划分，而适应性网格则便于计算流场参数变化剧烈、梯度很大的流动，同时这种划分方式也便于网络的细化或粗化，使得网络划分更灵活、简便。FLUENT划分网格的途径1、一种是用FLUENT提供的专用网络软件
Labview布尔型的例子——一个简单温度监控系统的设计
步骤步骤一打开Labview→文件→新建一个VI→在前面板添加一个布尔型的指示灯和一个浮点型的数值显示控件。步骤二打开程序框图，“函数”选项板→“编程”→“结构”→While循环→将该结构添加到程序框图中→在“循环条件”端子单击鼠标右键选择“创建输入控件”（就是一个方框）。在循环体内：选择“编程”→数值→随机数（0-1）选择“编程”→数值→乘，命令对随机数放大50倍，把计算得出的结果显示在数值显示控件内选择“编程”→比较→大于？，把放大50倍的随机数与常量35进行大小比较。由于比较结果是
Labview枚举信息的获取——简单的例子
前面板控件下拉列表与枚举对于枚举类型控件，使用鼠标右键单击该控件，从弹出的快捷菜单中选择“编辑项”选项，即可弹出下图的“枚举类的属性”对话框。在该对话框中通过“插入”按钮可以向枚举控件中添加字符串数据。实例本实例的主要功能是从枚举控件中获取用户选择的星期数信息，显示在字符串显示控件中。步骤一文件→新建一个VI在前面板添加一个“枚举”控件→使用鼠标右键单击该对象，在弹出的快捷菜单中选择“编辑项”选项，然后向枚举控件中添加星期日到星期六的七个选项信息。继续在前面板中添加一个数值显示控件和字
今日推荐
周排行