复杂热力环境下垫面气载污染物迁移扩散及多态特性研究

来源 :南华大学 | 被引量 : 0次 | 上传用户:soloviola
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
随着世界经济的蓬勃发展,城市的发展达到史无前例的高度,随之而来的大气污染形势也变得越来越严峻,大气污染已经成为目前最主要的环境问题之一。大气环境作为人类、动物和植物生存与发展的基本条件,也是气载污染物迁移扩散的重要途径。下垫面是地气相互作用的交界面,对气载污染物迁移扩散的动力学行为有重要影响,其中地形特征和地表热力学参数是主要影响因素之一。本文基于Open FOAM软件对复杂热力环境下垫面气载污染物迁移扩散进行了数值模拟研究。研究内容包含了以下方面:(1)总结了目前国内外气载污染物迁移扩散的研究进展,指出目前研究不足是未考虑下垫面物理边界特征与热力性质及其共同作用对气载污染物迁移扩散的影响,同时也未考虑温度层结与真实地形耦合作用下对其影响,因此确定了下垫面物理边界特征、热力性质、温度层结为主要研究因素。(2)介绍了气载污染物扩散基本理论,并阐述了计算流体力学基本控制方程与模拟方法,为后续求解器的开发与湍流模型的修改提供了基础理论。(3)基于Open FOAM软件对求解器进行开发并且修改湍流模型,利用经典风洞实验验证了新的求解器与湍流模型。对于速度场,模拟值与实验值最大误差控制在5%以内;对于浓度场,整体浓度场误差在工程允许范围内,且与速度场结论相印证。结果表明该求解器与湍流模型可适用于本研究。(4)以某核电厂周围真实环境建模,获取分辨率为12m的地形等高线图进行处理并加入建筑物,形成封闭实体。利用开发的求解器与修改后的湍流模型模拟复杂热力环境下垫面气载污染物迁移扩散的过程。结果表明:不同下垫面温度配置下建筑物的背风侧均产生了回流区域;由于下垫面地表温度高于海面温度,产生了正向的气压梯度力,形成海风环流,促进了垂直方向上的气流运动,更有利于污染物的扩散;当下垫面地表温度低于海面温度,产生负向的气压梯度力,形成陆风环流,不利于污染物的扩散;稳定层结比不稳定层结更加不利于污染物扩散;在不同的初始条件下,流场结构呈现多种不同的稳态分布,因此气载污染物的扩散情况也有所不同。
其他文献
<正>北京时间2022年10月1日(北美时间9月30日),特斯拉2022 AI Day在加州帕罗奥图举行,人形机器人擎天柱正式亮相。在此之前,波士顿动力旗下的人形机器人Atlas已经可以走路、跑步、攀爬、跳过障碍,甚至可以在跌倒后自行起身。因此,人们很自然地觉得擎天柱理应比Atlas更加敏捷强悍,甚至能如同科幻电影中的机器人一样“强大”。然而,期望越高越容易失望。当看到擎天柱在台上颤颤巍巍地行走,
期刊
显微图像中细胞核的检测和分割对生物医学研究和临床实践具有重要意义,包括细胞核形态分析、癌症诊断和分级。然而,由于显微图像中存在染色不一致、目标和背景存在显著差异以及人为噪声等特点,再加上在显微图像中大多都是小目标且有覆盖和粘连的情况,从而导致鲁棒、精确的细胞核检测和分割非常具有挑战性。在目前的临床实践中,依靠病理学家手动评估疾病进程不仅需要专业知识,而且手动检查过程主观且耗时。近年来,深度学习方法
学位
静态分析发现软件缺陷是提高软件质量,确保软件可靠性的有效手段之一。近年来,研究使用自动确认技术来降低对疑似缺陷进行人工审查的成本是研究的热点问题。主流技术路线是通过设计一些缺陷特征,并使用机器学习中有监督的分类算法来自动实现对疑似缺陷的确认。其中难点和重点是设计准确性高的缺陷自动确认模型,本文针对如何提高静态分析缺陷自动确认的准确性以及如何将缺陷自动确认方法应用于核电领域做了如下研究:(1)提出一
学位
在深度学习中,大部分数据集存在数据冗余和样本分布不均衡问题,导致异常检测准确性下降,降低了异常检测效果。此外,大多数传统的异常检测模型忽略了数据点之间的关系结构信息,不能有效应用到图结构数据中。针对上述问题,研究一种不受不平衡样本数据影响以及将数据间的结构信息高效应用到图结构中的异常检测模型具有重要意义。而自编码器能够重构原始数据,可以自动从原始数据学习所需参数特征,能够有效地解决上述问题。因此,
学位
自20世纪末以来,作为一股新兴经济力量,基于互联网普及而出现的电子商务实现了从零到百万亿的爆炸式增长,为许多国家的市场注入了巨大的活力,在经济发展中逐渐占据一定的地位。这其中,电商平台依靠互联网技术的迅猛发展,凭借其商品的齐全性、交易的快捷性及低价优势快速壮大起来。电子商务全球网络零售额短时间内从零不断实现突破式增长,根据联合国贸发会议数据,2020年全球网络零售额占零售总额的19%,较2019年
学位
当前,大数据技术的快速发展,给各个领域带来了海量的数据,而研究这些数据之间的因果关系,进而带来相应的商业、科学研究价值则显得至关重要。当前的人工智能在一定程度上忽略了因果关系而导致动力不足,因果关系的研究可能是实现强AI人工智能的唯一途径。因果关系方向推断则是因果关系研究的热点之一。目前的因果关系方向推断方法通过观测数据来识别变量之间直接的因果影响,但是由于观测到的数据之间可能存在级联结构,变量之
学位
联邦学习作为一种特殊的分布式机器学习,能有效帮助多个边缘设备在满足用户隐私保护要求下,协同训练共享模型,但仍然存在通信开销重和异构数据难训练等问题。为此,本文针对联邦学习环境下,多方协同训练模型中通信开销和异构数据进行研究,主要做了以下方面的工作:面对联邦学习下数据标签缺失,针对无标签数据可能会在训练过程中出现模型性能差的问题,引入联邦对比学习算法。该算法是联邦学习和对比学习的结合,使得我们可以在
学位
近年来随着临床医疗和畜牧养殖行业的发展,大量未代谢的抗生素通过污水等方式排入环境中,这不仅会造成水体和土壤污染还会造成环境中微生物群落失衡,导致水体和土壤环境的自净能力下降。此外,当环境中抗生素积累到一定限值时,还会出现抗性基因,最终通过食物链传递给人类,危害人类健康。因此,去除环境中的抗生素具有重要意义。本研究选择四环素(TCs)作为目标污染物,以皂荚(GS)为生物炭原材料,采用铁和锰双金属改性
学位
随着移动设备和传感器的大量使用,世界上每天产生的数据量越来越多,如何处理大数据成为一个热门的问题。K-means算法因为其简单、运行速度快而广泛应用于数据的分析和处理,但是由于算法初始质心的随机性导致算法容易陷入局部最优解,而传统串行K-means在处理大数据的情况下不可行,故需要和大数据框架结合。本文重点对K-means算法在大数据场景中进行改进和应用。首先针对K-means由于初始质心的随机性
学位
为了更加准确地了解建筑结构动力鞭梢效应发生的机理,本文对双自由度体系和多自由度有阻尼体系的受迫振动方程进行无量纲化处理和模态分析,研究上部结构与下部结构质量比和刚度比对结构鞭梢效应的影响。具体研究内容和主要研究成果如下:(1)对于双自由度无阻尼体系,当质量比和刚度比均趋向于0时,引起上部结构发生鞭梢效应的情形较多:当外激励频率与下部结构的自振频率相接近时,若质量比和刚度比为同阶无穷小,下部结构发生
学位