多个体游动混合的随机流体力学建模

来源 :浙江大学 | 被引量 : 0次 | 上传用户:tangguoxun3726
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要研究的是一个被动标量粒子受其周围游动物体的影响而产生了位移,类比热扩散模型,通过分析目标微粒的总体位移来计算微粒的等效扩散系数,从而定量描述了该设置下的混合运输现象。现实中,相关的现象出现在化工、医疗、环境工程等科学及工程领域。因此,该研究有着重要的理论和实践意义。  本文首先是在Thiffeault,Childress[1](Phys.Lett.A,372,3487-3490,2010)中关于微粒受游动物体影响的模型基础上,推广为游动者运动方向为各向异性的情形。我们引入It(o)扩散过程的相关理论计算了总体扩散系数和扩散张量,得出了各向异性游动会减少扩散程度的结论。具体计算了二维和三维情况下任意方向的扩散系数,推导出了它们与概率密度函数的依赖关系,从而定量描述了该模型中标量等效扩散的各向异性程度是如何受物体的各向异性游动所影响的,并通过该模型构造了能有效定量刻画游动者游动分布的各向异性和扩散张量的各向异性指标。通过该种定量刻画我们可以直观的看出其各向异性程度。
其他文献
在传统数学中,凸函数与广义凸函数在最优化理论中占用十分重要的地位,因为它们涉及了凸集上凸函数的极大值与极小值问题,并且关于一般的非线性函数的大部分局部极值理论在应用到
本文第一部分介绍了强Gorenstein n-平坦模和强Gorenstein n-FP-内射模的概念,并在右n-凝聚环上研究了这两种模的相关性质.第二部分讨论了强Gorenstein n-平坦维数和强Gorenst
本文首先分析了传统的模糊神经网络存在的缺陷,改进了学习算法,提出了将误差与学习率分层,协同调整的层递式BP神经网络。接着,联合层递式BP神经网络,将模糊神经网络的逻辑推