赵颖
- 作品数：23 被引量：70H指数：5
- 供职机构：解放军理工大学理学院更多>>
- 发文基金：国家重点基础研究发展计划国家自然科学基金中国科学院知识创新工程重要方向项目更多>>
- 相关领域：天文地球理学文化科学航空宇航科学技术更多>>
- 用格子Boltzmann模型模拟垂直平板间的热对流被引量：7
- 2004年
- 引入一个新的能量分布函数 ,利用该能量分布函数与粒子速度分布函数耦合来求解一个热流场 .因而 ,这一能量分布函数与粒子速度分布函数和Boltzmann方程构成了一个新的格子Boltzmann模型 .这一模型满足质量、动量和能量守恒的准则 .用该模型对垂直平板间的狭缝热对流进行了数值模拟 ,数值结果表明 ,在Prandtl数为 1,Grashof数在 1 3× 10 2 — 1× 10 6 之间时 ,流场将出现多个旋涡结构的流型 .
- 赵颖季仲贞冯涛
- 关键词：热对流BOLTZMANN方程能量守恒动量守恒质量守恒
- 格子Boltzmann模型的改进与流体力学方程被引量：2
- 2002年
- 流体的流动可以看成是分子以上水平的粒子基本运动组合而成,任何一个粒子系统的Hamiltonian都是由动能和势能这两部分所组成.借助于Hamiltonian建立了微观粒子和宏观流体之间的能量守恒准则,发展了一个适合于热流场数值模拟的格子Boltzmann模型.从该模型可以还原出宏观的流体力学方程,所得动量方程的黏性输运项除了具有Navier-Stokes黏性力的特征外还与非定常的、非线性的动量通量和非定常的内能相关.用该模型对Benard热对流进行了数值模拟,很好地再现了Benard cell,并且克服了热格子Boltzmann模型数值稳定性差的不足.
- 冯士德赵颖季仲贞郜宪林
- 关键词：格子BOLTZMANN模型HAMILTONIAN分布函数流体力学方程数值模拟
- 新资料同化方法HSP关于台风的OSSE分析
- 赵颖
- 高等数学课程中学生小组研讨式学习模式初探
- 在对当前军校高等数学课程学习中的突出问题进行原因分析的基础上,对学生研讨式学习模式在高等数学课程教学中的运用进行了论述.提出学生应在教师的指导与帮助下,密切合作,运用所学的知识和所获取的信息以及科学研究的方法,在学习中发...
- 张纯赵颖寇冰煜吴欧毛磊
- 关键词：军队院校高等数学课程教学
- 总能量守恒与辛几何算法
- 2003年
- 以正压大气原始方程为例子,以总能量守恒为主线,介绍动力保守系统两类重要算法———总能量守恒算法和辛几何算法,讨论了两者之间的关系,并给出具体的算例,说明两类算法的有效性.
- 季仲贞王斌赵颖杨宏伟
- 关键词：辛几何算法保守系统HAMILTON系统辛格式
- 离散型随机变量数学期望的教学设计与实践被引量：1
- 2016年
- 教学实践中,根据真实案例引入离散型随机变量数学期望,通过对离散型数学期望概念的讨论,促进学生对数学期望内涵的理解.改造传统例题,利用数学软件解决期望问题,有力的培养学生的建模意识、数学软件应用能力等综合素质,取得了较好的教学效果.
- 滕兴虎赵颖陈桂东寇冰煜
- 关键词：案例式教学离散型随机变量数学期望
- 关于“贝叶斯公式”的教学研究被引量：1
- 2017年
- 通过基于史实的案例分析,得出贝叶斯公式,并结合案例的流程图,揭示了贝叶斯公式的内涵,有助于应用复合型人才的培养.
- 滕兴虎姚泽清赵颖陈桂东郑琴
- 关键词：贝叶斯公式流程图教学研究
- EEMD、CEEMD算法与SVM在SST时间序列研究中的应用被引量：5
- 2017年
- 海洋表面温度(SST)具有非线性、非平稳等特征,给处理和预测带来了很大的困难.将集合经验模态分解(EEMD)、改进的集合经验模态分解(CEEMD)与支持向量机(SVM)方法相结合,实现了对东北太平洋月平均海温距平序列(SSTA)的预测:首先应用EEMD或CEEMD方法将SST数据分解为多个本征模态函数(IMFs),然后应用SVM算法对各IMFs进行拟合、预测,最后对各IMFs预测结果叠加重构得到预测结果.EEMD-SVM和CEEMD-SVM数值模拟结果显示,预测最大误差小于0.25℃,并且CEEMD-SVM预测效果更好,为SST实际预测提供了参考.
- 李其杰李嘉康赵颖廖洪林
- 关键词：海洋表面温度经验模态分解支持向量机
- 防护设备企业实力综合评价指标体系初探
- 2015年
- 面对未来充满机遇与挑战的防护设备市场，企业只有对影响其实力的关键因素进行研究，从而正确地评价自身的实力，才能充分利用自身拥有的机会与优势来应对外界存在的威胁和弥补自身的劣势，并以此来制定有效的竞争战略。
- 赵颖陈安阳廖洪林
- 关键词：防护设备
- 基于CEEMD-BP神经网络的海温异常预测研究被引量：8
- 2017年
- 海洋表面温度(SST)具有非平稳、非线性的特征,对处理和预测造成了很大困难.将互补集合经验模态分解(CEEMD)和BP神经网络相结合,对东北太平洋和赤道中、东太平洋这两区域的月平均海洋表面温度距平序列(SSTA)进行模拟预测研究:首先应用CEEMD方法将SSTA分解为不同尺度的一系列本征模函数(IMFs);再运用BP神经网络对各IMFs进行分析预测;最后将各IMFs预测结果进行重构得到最终SSTA的预测值.数值实验的结果表明,应用CEEMD和BP神经网络对东北太平洋和赤道中、东太平洋的SST预测是有效的.
- 李嘉康李其杰赵颖廖洪林
- 关键词：海洋表面温度BP神经网络
