激波问题经典数值算例

经典数值算例

一维数值算例

算例1(Lax激波管问题)

算例特点：为左稀疏波，右激波类型，能够检验数值算法捕捉间断的能力；求解区域：x∈0,1;

初始条件：

ρ,v,p=0.445,0.698,3.528当0≤x≤0.5, 0.5,0,0.571当0.5≤x≤0.571,

边界条件：左右两边采用紧支边界条件；计算时间：t=0.13.

算例2(Sod激波管问题)

求解区域：x∈0,1;

初始条件：

ρ,v,p=

1,0,1当x≤0.5, 0.125,0,0.1当x>0.5,

边界条件：左右两边采用紧支边界条件；

计算时间：t=0.25.

算例3(Shu-Osher问题)‘

算例特点：具有高震荡的性质，用来检验高阶数值格式比低阶数值格式对该类型的解具有更好的逼近效果；

求解区域：x∈0,1;

初始条件：

ρ,v,p=3.85714,2.629369, 10.333333当0≤x≤0.1, 1.0+0.2sin50x?25, 0, 1当0.1≤x≤1,

边界条件：左边界采用紧支边界条件，右边界采用流入边界条件；

计算时间：t=0.18.

算例4(Woodward-Colella激波相互碰撞问题)

算例特点：双激波的碰撞，其物理量过程更为复杂，检验数值算法捕捉间断的能力及稳定性；求解区域：x∈0,1;

初始条件：

ρ,v,p=1,0,1000当0≤x≤0.1, 1,0,0.01当0.1

边界条件：左右两边采用反射边界条件；计算时间：t=0.038.

二维数值算例

算例1(二维Riemann问题)

求解区域：x,y∈0,1×0,1;初始条件：

ρu v p T

=

1.5,0,0,1.5当x∈0.8,1,y∈0.8,1,

0.5323,1.206,0,0.3当x∈[0,0.8],y∈0.8,1,

0.138,1.206,1.206,0.029当x∈0,0.8,y∈0,0.8,

0.5323,0,1.206,0.3当x∈0.8,1,y∈0,0.8,

边界条件：x,y方向均采用紧支边界条件；

计算时间：t=0.8.

算例2(激波通过气泡的问题)

求解区域：x,y:0≤x≤325,?44.5≤y≤44.5;初始条件：

ρ

u v p =

1.3764,0.394,0,1.5698, 当x≥225.0,

0.138,0,0,1, 当(x?175)2+y2≤225.0,

1,0,0,1, 其他

边界条件：左边界采用紧支边界条件，右边界采用流入边界条件，上下边界均采用反射边界条件；

计算时间：t=2.0.

算例3(Rayleigh-Taylor不稳定性问题)

计算区域：x,y∈0,1

4

×0,1;

初始条件：

ρ

u v p =

2,0,?0.025c?cos8πx,2y?1, 当x,y∈0,

1

×0,

1

, 1,0,?0.025c?cos8πx,y+

3

2

, 当x,y∈0,

1

4

×

1

2

,1,

其中c=γp/ρ为声速，绝热指数γ=5

3

；

边界条件：左右边界均采用反射边界条件，上下边界均采用Dirichelet边界条件，其中下边界满足ρ,u,v,p=(2,0,0,1)，上边界满足ρ,u,v,p=(1,0,0,2.5)；

计算时间：t=1.95.

算例4(Double Mach Reflect problem不稳定性问题)

问题描述：马赫数为10的强激波，入射与x轴成60度，

计算区域：x,y∈0,4×0,1;

初始条件：在x=1

6

,y=0马赫数为10的激波；

边界条件：左边界采用流入边界条件，右边界采用流出边界条件，上边界采用马赫数为10

的激波真解，下边界采用exact post-shock条件(0≤x≤1

6

); 计算时间：t=0.2.

算例5(内爆问题)

求解区域：x,y:?0.3≤x≤0.3, 0.3≤y≤0.3;

初始条件：

ρ

u v p =

1,0,0,1, 当x?0.15≤y≤?x+0.15,

0.125,0,0,0.14, 其他,

边界条件：左右边界和下边界均采用反射边界条件，上边界采用流出边界条件；计算时间：t=0.8.

边界处理

周期边界条件：密度，速度，压力按周期T取值；

反射边界条件：密度，压力取边界对称值，压力取边界对称值的相反数；

流入(流出)边界条件：即延拓边界条件；

固壁边界条件：速度取0，密度，压力全取边界上的值；

紧支边界条件：密度，速度，压力全等于边界上的值；

Dirichelet边界条件：密度，速度，压力取常值。

大数据复习提纲

1、线性判别函数的正负和数值大小的几何意义 正（负）表示样本点位于判别界面法向量指向的正（负）半空间中；绝对值正比于样本点到判别界面的距离。 2、感知器算法特点 收敛性：经过算法的有限次迭代运算后，求出了一个使所有样本都能正确分类的W，则称算法是收敛的。感知器算法是在模式类别线性可分条件下才是收敛的。 感知器算法只对线性可分样本有收敛的解，对非线性可分样本集会造成训练过程的震荡，这也是它的缺点。 3、聂曼-皮尔逊判决准则、最小最大判决准则等区别 聂曼-皮尔逊判决准则主要用于某一种判决错误较另一种判决错误更为重要情况； 最小最大判别准则主要用于先验概率未知的情况。 4、马式距离较之于欧式距离的优点 优点：马氏距离不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关。由标准化数据和中心化数据(即原始数据与均值之差）计算出的二点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的干扰。缺点：夸大了变化微小的变量的作用。受协方差矩阵不稳定的影响，马氏距离并不总是能顺利计算出。尺度不变性；考虑了模式的分布 5、关联规则的经典算法有哪些 Apriori 算法；FP-tree；基于划分的算法 Apriori算法、GRI算法、Carma 6、分类的过程或步骤 答案一：ppt上的 1、模型构建（归纳） 通过对训练集合的归纳，建立分类模型。 2、预测应用（推论） 根据建立的分类模型，对测试集合进行测试。 答案二：老师版本的 训练样本的收集训练集的预处理、模型的选择、模型的训练（问老师后理解整理） 7、分类评价标准

1）正确率（accuracy）就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好； 2）错误率（error rate) 错误率则与正确率相反，描述被分类器错分的比例，error rate = (FP+FN)/(P+N)，对某一个实例来说，分对与分错是互斥事件，所以 accuracy =1 - error rate； 3）灵敏度（sensitive） sensitive = TP/P，表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力； 4）特效度（specificity) specificity = TN/N，表示的是所有负例中被分对的比例，衡量了分类器对负例的识别能力；5）精度（precision） 精度是精确性的度量，表示被分为正例的示例中实际为正例的比例， precision=TP/（TP+FP）；6）召回率（recall） 召回率是覆盖面的度量，度量有多个正例被分为正例， recall=TP/(TP+FN)=TP/P= sensitive，可以看到召回率与灵敏度是一样的。 正确率：它表示的预测结果正确比例。包括正例和负例。 精确度：它表示的是预测是正例的结果中，实际为正例的比例。 召回率：它表示的是实际为正例样本中，预测也为正例的比例。 综合指标：F1=2*精确率*召回率/精确率+召回率，它实际上精确度和召回率的一个综合指标。 8、支持向量机及常见的核函数选择 SVM的目的是寻找泛化能力好的决策函数，即由有限样本量的训练样本所得的决策函数，在对独立的测试样本做预测分类时，任然保证较小的误差。 本质：求解凸二次优化问题，能够保证所找到的极值解就是全局最优解。 支持向量机的标准：使两类样本到分类面的最短距离之和尽可能大 支持向量机基本思想：通过训练误差和类间宽度之间的权衡，得到一个最优超平面 支持向量机是利用分类间隔的思想进行训练的，它依赖于对数据的预处理,即在更高维的空间表达原始模式。通过适当的到一个足够高维的非线性映射，分别属于两类的原始数据就能够被一个超平面来分隔。 支持向量机的基本思想可以概括为：首先通过非线性变换将输入空间变换到一个高维空间，然后在这个新空间中求取最优线性分类面，而这种非线性变换是通过定义适当的内积函数来实现的。支持向量机求得的分类函数形式上类似于一个神经网络，其输出是若干中间层节点的线性组合，而每一个中间层节点对应于输入样本与一个支持向量的内积，因此也被叫做支持向量网络。

FLUENT中文全教程1-250

FLUENT 教程 赵玉新 I、目录 第一章、开始 第二章、操作界面 第三章、文件的读写 第四章、单位系统 第五章、读入和操作网格 第六章、边界条件 第七章、物理特性 第八章、基本物理模型 第九章、湍流模型 第十章、辐射模型 第十一章、化学输运与反应流 第十二章、污染形成模型 第十三章、相变模拟 第十四章、多相流模型 第十五章、动坐标系下的流动 第十六章、解算器的使用 第十七章、网格适应 第十八章、数据显示与报告界面的产生 第十九章、图形与可视化 第二十章、Alphanumeric Reporting 第二十一章、流场函数定义 第二十二章、并行处理 第二十三章、自定义函数 第二十四章、参考向导 第二十五章、索引（Bibliography） 第二十六章、命令索引 II、如何使用该教程 概述 本教程主要介绍了FLUENT 的使用，其中附带了相关的算例，从而能够使每一位使用 者在学习的同时积累相关的经验。本教程大致分以下四个部分：第一部分包括介绍信息、用户界面信息、文件输入输出、单位系统、网格、边界条件以及物理特性。第二和第三部分包含物理模型，解以及网格适应的信息。第四部分包括界面的生成、后处理、图形报告、并行处理、自定义函数以及FLUENT 所使用的流场函数与变量的定义。 下面是各章的简略概括 第一部分： z开始使用：本章描述了FLUENT 的计算能力以及它与其它程序的接口。介绍了如何对具体的应用选择适当的解形式，并且概述了问题解决的大致步骤。在本章中，我们给出

了一个可以在你自己计算机上运行的简单的算例。 z使用界面：本章描述了用户界面、文本界面以及在线帮助的使用方法。同时也提供了远程处理与批处理的一些方法。（请参考关于特定的文本界面命令的在线帮助） z读写文件：本章描述了FLUENT 可以读写的文件以及硬拷贝文件。 z单位系统：本章描述了如何使用FLUENT 所提供的标准与自定义单位系统。 z读和操纵网格：本章描述了各种各样的计算网格来源，并解释了如何获取关于网格的诊断信息，以及通过尺度化（scale）、分区（partition）等方法对网格的修改。本章还描述了非一致（nonconformal）网格的使用. z边界条件：本章描述了FLUENT 所提供的各种类型边界条件，如何使用它们，如何定义它们and how to define boundary profiles and volumetric sources. z物理特性：本章描述了如何定义流体的物理特性与方程。FLUENT 采用这些信息来处理你的输入信息。 第二部分： z基本物理模型：本章描述了FLUENT 计算流体流动和热传导所使用的物理模型（包括自然对流、周期流、热传导、swirling、旋转流、可压流、无粘流以及时间相关流）。以及在使用这些模型时你需要输入的数据，本章也包含了自定义标量的信息。 z湍流模型：本章描述了FLUENT 的湍流模型以及使用条件。 z辐射模型：本章描述了FLUENT 的热辐射模型以及使用条件。 z化学组分输运和反应流：本章描述了化学组分输运和反应流的模型及其使用方法。本章详细的叙述了prePDF 的使用方法。 z污染形成模型：本章描述了NOx 和烟尘的形成的模型，以及这些模型的使用方法。 第三部分： z相变模拟：本章描述了FLUENT 的相变模型及其使用方法。 z离散相变模型：本章描述了FLUENT 的离散相变模型及其使用方法。 z多相流模型：本章描述了FLUENT 的多相流模型及其使用方法。 z Flows in Moving Zones（移动坐标系下的流动）：本章描述了FLUENT 中单一旋转坐标系，多重移动坐标系，以及滑动网格的使用方法。 z Solver 的使用：本章描述了如何使用FLUENT 的解法器（solver）。 z网格适应：本章描述了explains the solution-adaptive mesh refinement feature in FLUENT and how to use it 第四部分： z显示和报告数据界面的创建：本章描述了explains how to create surfaces in the domain on which you can examine FLUENT solution data z图形和可视化：本章描述了检验FLUENT 解的图形工具 z Alphanumeric Reporting：本章描述了如何获取流动、力、表面积分以及其它解的数据。 z流场函数的定义：本章描述了如何定义FLUENT 面板内出现的变量选择下拉菜单中的流动变量，并且告诉我们如何创建自己的自定义流场函数。 z并行处理：本章描述了FLUENT 的并行处理特点以及使用方法 z自定义函数：本章描述了如何通过用户定义边界条件，物理性质函数来形成自己的FLUENT 软件。 如何使用该手册 z根据你对CFD 以及FLUENT 公司的熟悉，你可以通过各种途径使用该手册 对于初学者，建议如下：

fluent计算错误分析

1. FlUENT 1.1 求解方面 1.1.1 floating point error是什么意思？怎样避免它？ Floating point error已经提过很多次了并且也已经对它讨论了许多。下面是在Fluent论坛上的一些答案： 从数值计算方面看，计算机所执行的运算在计算机内是以浮点数（floating point number）来表示的。那些由于用户的非法数值计算或者所用计算机的限制所引起的错误称为floating point error。 1）非法运算：最简单的例子是使用Newton Raphson方法来求解f(x)=0的根时，如果执行第N次迭代时有，x=x(N)，f’(x(N))=0，那么根据公式x(N+1)=x(N)-f(x(N))/ f’(x(N))进行下一次迭代时就会出现被0除的错误。 2）上溢或下溢：这种错误是数据太大或太小造成的，数据太大称为上溢，太小称为下溢。这样的数据在计算机中不能被处理器的算术运算单元进行计算。 3）舍入错误：当对数据进行舍入时，一些重的数字会被丢失并且不可再恢复。例如，如果对0.1进行舍入取整，得到的值为0，如果再对它又进行计算就会导致错误。 避免方法 计算和迭代我认为设一个比较小的时间步长会比较好的。或者改成小的欠松驰因子也会比较好。从我的经验来看，我把欠松驰因子设为默认值的1/3；降低欠松驰因子或使用耦合隐式求解；改变欠松驰因子，如果是非稳态问题可能是时间步长太大；改善solver-control-limits 比例或许会有帮助；你需要降低Courant数；如果仍然有错误，不选择compute from初始化求解域，然后单击init。再选择你想从哪个面初始化并迭代，这样应该会起作用。另外一个原因可能是courant数太大，就样就是说两次迭代之间的时间步太大并且计算结果变化也较大（残差高）。 网格问题当我开始缩放网格时就会发生这个错误。在Gambit中，所有的尺寸都是以mm 为单位，在fluent按scale按钮把它转换成m，然后迭代几百次时就会发生这种错误。但是当我不把网格缩放到m时，让它和在Gambit中一样，迭代就会成功；我认为你应当检查网格，你的网格数太多了，使用较少的网格问题就会解决；网格太多，计算机资源不够用，使使比较粗的网格。 边界条件在我的分析中，我设了一个wall边界条件来代迭axis边界条件，结果fluent拒绝计算并告诉我floating point error。你的边界条件不能代表真实的物理现象；错误的边界条件定义可能会导致floating point error。例如把内边界设成interior；一次我使用对称边界条件模拟2D区间时也遇到这种问题，我把symmetry设为axe symmetric，就发生了floating point error；检查你设的湍流参数，减小湍流强度，先进行50次迭代。 多处理器问题我近来在进行多处理器模拟时也遇到相似的问题。问题的解决方法是在单个处理器上运行，这样就运算得很好。 错误迭代以错误的条件来初始化，在开始迭代时就会发生floating point error。 1.1.2 coupled和segregated求解有什么区别？ Coupled会同时求解所有的方程（质量守恒方程、动量守恒方程和能量守恒方程）而不是单个方程求解（方程互相分离）。当速度和压力高度耦合（高压和高速）时应该使用耦合求解，但这样会需要较长的计算时间。 在耦合求解中，能量方程中总是包含组分扩散（Species Diffusion Term）项。

大数据成功案例电子教案

1.1成功案例1-汤姆森路透(Thomson Reuters)利用Oracle大 数据解决方案实现互联网资讯和社交媒体分析 ?Oracle Customer: Thomson Reuters ?Location: USA ?Industry: Media and Entertainment/Newspapers and Periodicals 汤姆森路透(Thomson Reuters)成立于2008年4月17日，是由加拿大汤姆森公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专业智能 信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100个国家和地区。 汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。 在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。 因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance大数据机、Exadata数据库云服务器和Exalytics商业智能云服务器搭建了互联网资讯和社交媒体大数据分析平台，实时采集5万个新闻网站和400万社交媒体渠道的资讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机构客户的交易、投资和风险管理。

《FLUENT中文手册(简化版)》

FLUENT中文手册（简化版） 本手册介绍FLUENT的使用方法，并附带了相关的算例。下面是本教程各部分各章节的简略概括。 第一部分： ?开始使用：描述了FLUENT的计算能力以及它与其它程序的接口。介绍了如何对具体的应用选择适当的解形式，并且概述了问题解决的大致步骤。在本章中给出了一个简单的算例。 ?使用界面：描述用户界面、文本界面以及在线帮助的使用方法，还有远程处理与批处理的一些方法。?读写文件：描述了FLUENT可以读写的文件以及硬拷贝文件。 ?单位系统：描述了如何使用FLUENT所提供的标准与自定义单位系统。 ?使用网格：描述了各种计算网格来源，并解释了如何获取关于网格的诊断信息，以及通过尺度化（scale）、分区（partition）等方法对网格的修改。还描述了非一致（nonconformal）网格的使用. ?边界条件：描述了FLUENT所提供的各种类型边界条件和源项，如何使用它们，如何定义它们等 ?物理特性：描述了如何定义流体的物理特性与方程。FLUENT采用这些信息来处理你的输入信息。 第二部分： ?基本物理模型：描述了计算流动和传热所用的物理模型（包括自然对流、周期流、热传导、swirling、旋转流、可压流、无粘流以及时间相关流）及其使用方法，还有自定义标量的信息。 ?湍流模型：描述了FLUENT的湍流模型以及使用条件。 ?辐射模型：描述了FLUENT的热辐射模型以及使用条件。 ?化学组分输运和反应流：描述了化学组分输运和反应流的模型及其使用方法，并详细叙述了prePDF 的使用方法。 ?污染形成模型：描述了NOx和烟尘的形成的模型，以及这些模型的使用方法。 第三部分： ?相变模拟：描述了FLUENT的相变模型及其使用方法。 ?离散相变模型：描述了FLUENT的离散相变模型及其使用方法。 ?多相流模型：描述了FLUENT的多相流模型及其使用方法。 ?移动坐标系下的流动：描述单一旋转坐标系、多重移动坐标系、以及滑动网格的使用方法。 ?解法器（solver）的使用：描述了如何使用FLUENT的解法器。 ?网格适应：描述了如何优化网格以适应计算需求。 第四部分： ?显示和报告数据界面的创建：本章描述了explains how to create surfaces in the domain on which you can examine FLUENT solution data ?图形和可视化：本章描述了检验FLUENT解的图形工具 ?Alphanumeric Reporting：本章描述了如何获取流动、力、表面积分以及其它解的数据。 ?流场函数的定义：本章描述了如何定义FLUENT面板内出现的变量选择下拉菜单中的流动变量，并且告诉我们如何创建自己的自定义流场函数。 ?并行处理：本章描述了FLUENT的并行处理特点以及使用方法 ?自定义函数：本章描述了如何通过用户定义边界条件，物理性质函数来形成自己的FLUENT软件。 如何使用该手册 对于初学者，建议从阅读“开始”这一章起步。 对于有经验的使用者，有三种不同的方法供你使用该手册：按照特定程序的步骤从按程序顺序排列的目录列表和主题列表中查找相关资料；从命令索引查找特定的面板和文本命令的使用方法；从分类索引查找特定类别信息（在线帮助中没有此类索引，只能在印刷手册中找到它）。 什么时候使用Support Engineer：Support Engineer能帮你计划CFD模拟工程并解决在使用FLUENT 中所遇到的困难。在遇到困难时我们建议你使用Support Engineer。但是在使用之前有以下几个注意事项：●仔细阅读手册中关于你使用并产生问题的命令的信息 ●回忆导致你产生问题的每一步 ●如果可能的话，请记下所出现的错误信息 ●对于特别困难的问题，保存FLUENT出现问题时的日志以及手稿。在解决问题时，它是最好的资源。

Fluent性能分析

Fluent性能分析 仅仅就我接触过得谈谈对fluent的认识，并说说哪些用户适合用，哪些不适合 fluent对我来说最麻烦的不在里面的设置，因为我本身解决的就是高速流动可压缩N-S方程，而且本人也是学力学的，诸如边界条件设置等概念还是非常清楚的同时我接触的流场模拟，都不会有很特别的介质，所以设置起来很简单 对我来说，颇费周折的是gambit做图和生成网格，并不是我不会，而是gambit对作图要求的条件很苛刻，也就是说，稍有不甚，就前功尽弃，当然对于计算流场很简单的用户，这不是问题。有时候好几天生成不了的图形，突然就搞定了，逐渐我也总结了一点经验，就是要注意一些小的拐角地方的图形，有时候做布尔运算在图形吻合的地方，容易产生一些小的面最终将导致无法在此生成网格， fluent里面的计算方法是有限体积法，而且我觉得它在计算过程中为了加快收敛速度，采取了交错网格，这样，计算精度就不会很高。同时由于非结构网格，肯定会导致计算精度的下降，所以我一贯来认为在fluent里面选取复杂的粘性模型和高精度的 格式没有任何意义，除非你的网格做的非常好。 而且fluent5.5以前的版本（包括5。5），其物理模型，（比如粘性流体的几个模型）都是预先设定的，所以，对于那些做探索性或者检验新方法而进行的模拟，就不适合 用。 同时gambit做网格，对于粘性流体，特别是计算湍流尺度，或者做热流计算来说其网格精度一般是不可能满足的，除非是很小的计算区域 所以，用fluent做的比较复杂一点的流场（除了经典的几个基本流场） 其计算所得热流，湍流，以及用雷诺应力模拟的粘性都不可能是准确的， 这在物理上和计算方法已经给fluent判了死刑，有时候看到很多这样讨论的文章，觉得 大家应该从物理和力学的本质上考虑问题。 但是，fluent往往能计算出量级差不多的结果，我曾经做了一个复杂的飞行器热流计算，高超音速流场，得到的壁面热流，居然在量级上是吻合的，但是，从计算热流需要的壁面网格精度来判断，gambit所做的网格比起壁面网格所满足的尺寸的要大了至少2个数量级， 我到现在还不明白fluent是怎么搞的。 综上，我觉得，如果对付老板的一些工程项目，可以用fluent对付过去但是如果真的做论文，或者需要发表文章，除非是做一些技术性工作，比如优化计算 一般用fluent是不适合的。 我感觉fluent做力的计算是很不错的，做流场结构的计算，即使得出一些涡也不是流场本身性质的反应，做低速流场计算，fluent的优势在于收敛 速度快，但是低速流场计算，其大多数的着眼点在于对流场结构的探索，所以计算得到的结果就要好好斟酌一下了，高速流场的模拟中，一般着眼点在于气动力的结果，压力分布

大数据平台概要设计说明书

计算平台 概要设计说明书 作者：日期：2013-01-28批准：日期： 审核：日期： （版权所有，翻版必究）

文件修改记录

目录 1.引言 ........................................................................................... 1.1编写目的................................................. 1.2术语与缩略词............................................. 1.3对象及范围............................................... 1.4参考资料................................................. 2.系统总体设计 ............................................................................. 2.1需求规定................................................. 2.1.1数据导入............................................ 2.1.2数据运算............................................ 2.1.3运算结果导出........................................ 2.1.4系统监控............................................ 2.1.5调度功能............................................ 2.1.6自动化安装部署与维护................................ 2.2运行环境................................................. 2.3基本设计思路和处理流程................................... 2.4系统结构................................................. 2.4.1大数据运算系统架构图................................ 2.4.2hadoop体系各组件之间关系图......................... 2.4.3计算平台系统功能图.................................. 2.4.4系统功能图逻辑说明.................................. 2.4.5计算平台业务流程图..................................

大数据的大价值：大数据五大成功案例深度解析学习资料

大数据的大价值：大数据五大成功案例深度解析 ?作者：Cashcow ?星期四, 四月11, 2013 ?大数据, 航空, 零售 ?暂无评论 大数据的热潮并未有消褪迹象，相反，包括航空、金融、电商、政府、电信、电力甚至F1赛车等各个行业的企业都在纷纷掘金大数据。可以看出，在推动大数据企业应用方面，真正看到大数据潜在商业价值的企业比大数据技术厂商还要着急。例如IT经理网曾经报道过沃尔玛大数据实验室直接参与到大数据工具的开发和开源工作中。但是在国内，虽然管理学界和财经媒体对大数据推崇备至，认为大数据是信息技术改变商业世界的杀手应用，但是关于大数据中国企业的成功案例的报道却出奇地少。 最近《中国企业家》的“大数据专题”特别报道采访了农夫山泉、阿迪达斯中国和数家航班信息移动服务商（前两家为SAP客户），为我们带来了详实的大数据案例报道，非常有参考价值，原文转载如下：就在制作这期“大数据专题”时，编辑部发生热烈讨论：什么是大数据？编辑记者们旁征博引，试图将数据堆砌的商业案例剔除，真正的、实用性强的数据挖掘故事留下。

我们报道的是伪大数据公司？我们是否成为《驾驭大数据》一书的作者Bill Franks所称的“大数据骗局”中的一股力量？同样的质疑发生在阿里巴巴身上。有消息称，3月23日，阿里巴巴以7000万美元收购了一家移动开发者数据统计平台。这引发了专家们热烈讨论，它收购的真是一家大数据公司吗？ 这些质疑并非没有道理。 中国确实没有大数据的土壤。“差不多先生”、“大概齐”的文化标签一直存在。很多时候，各级政府不太需要“大数据”，形成决策的关键性数据只有一个数字比率（GDP）而已；其二，对于行业主管机构来说，它们拥有大量原始数据，但它们还在试探、摸索数据开放的尺度，比如说，是开放原始数据，还是开放经过各种加工的数据？是转让给拥有更高级计算和储存能力的大型数据公司，还是将数据开源，与各种各样的企业共享？其三，数据挖掘的工具价值并没有完全被认同。在这个领域，硬件和软件的发展并不十分成熟。即便如此，没有人否认数据革命的到来，尤其在互联网行业。阿里巴巴的马云将大数据作为战略方向，百度的李彦宏用“框计算”来谋划未来。即便是CBA（中国男子篮球职业联赛）也学起了NBA（美国男篮职业联赛）五花八门的数据统计、分析与挖掘。 在过去两年间，大量的资本投资一些新型数据工具公司，根据美国道琼斯风险资源（Dow Jones VentureSource）的数据，在过去的两年时间里，11.7亿美元流向了119家数据库软件公司。去年，SAP 市值已经超过西门子，成为德国市值最高的上市公司，而这样的业绩部分得益于其数据库软件HANA的商业化，去年一年时间里HANA带给SAP3.92亿欧元的收入，增长了142%。 但是，大数据还没法分析、挖掘出自己的直接变现能力。在截稿日时，我们再重新读维克托·迈尔-舍恩伯格（Viktor Mayer-Sch鰊berger）的《大数据时代：生活、工作与思维的大变革》一书，作者相信，未来，数据会成为有价值的资产。假以时日，它会大摇大摆地进入资产负债表里。 案例1：农夫山泉用大数据卖矿泉水

Fluent多相流模型选择

FLUENT多相流模型 分类 1、气液或液液流动 气泡流动：连续流体中存在离散的气泡或液泡 液滴流动：连续相为气相，其它相为液滴 栓塞（泡状）流动：在连续流体中存在尺寸较大的气泡 分层自由流动：由明显的分界面隔开的非混合流体流动。 2、气固两相流动 粒子负载流动：连续气体流动中有离散的固体粒子 气力输运：流动模式依赖，如固体载荷、雷诺数和例子属性等。最典型的模式有沙子的流动，泥浆流，填充床以及各相同性流 流化床：有一个盛有粒子的竖直圆筒构成，气体从一个分散器进入筒内，从床底不断冲入的气体使得颗粒得以悬浮。 3、液固两相流动 泥浆流：流体中的大量颗粒流动。颗粒的stokes数通常小于1。大于1是成为流化了的液固流动。 水力运输：在连续流体中密布着固体颗粒 沉降运动：在有一定高度的盛有液体的容器内，初始时刻均匀散布着颗粒物质，随后，流体会出现分层。 4、三相流 以上各种情况的组合 多相流动系统的实例 气泡流：抽吸、通风、空气泵、气穴、蒸发、浮选、洗刷。 液滴流：抽吸、喷雾、燃烧室、低温泵、干燥机、蒸发、气冷、洗刷。 栓塞流：管道或容器中有大尺度气泡的流动 分层流：分离器中的晃动、核反应装置沸腾和冷凝 粒子负载流：旋风分离器、空气分类器、洗尘器、环境尘埃流动 气力输运：水泥、谷粒和金属粉末的输运 流化床：流化床反应器、循环流化床 泥浆流：泥浆输运、矿物处理 水力输运：矿物处理、生物医学、物理化学中的流体系统 沉降流动：矿物处理。 多相流模型的选择原则 1、基本原则

1)对于体积分数小于10%的气泡、液滴和粒子负载流动，采用离散相 模型。 2)对于离散相混合物或者单独的离散相体积率超出10%的气泡、液滴 和粒子负载流动，采用混合模型或欧拉模型。 3)对于栓塞流、泡状流，采用VOF模型 4)对于分层/自由面流动，采用VOF模型 5)对于气动输运，均匀流动采用混合模型，粒子流采用欧拉模型。 6)对于流化床，采用欧拉模型 7)泥浆和水力输运，采用混合模型或欧拉模型。 8)沉降采用欧拉模型 9)对于更一般的，同时包含多种多相流模式的情况，应根据最感兴趣 的流动特种，选择合适的流动模型。此时由于模型只是对部分流动特 征采用了较好的模拟，其精度必然低于只包含单个模式的流动。 2、混合模型和欧拉模型的选择原则 VOF模型适合于分层的或自由表面流，而混合模型和欧拉模型适合于流动中有相混合或分离，或者分散相的体积分数超过10%的情况（小于10%可使用离散相模型）。 1)如果分散相有宽广的分布（如颗粒的尺寸分布很宽），最好采用混 合模型，反之使用欧拉模型。 2)如果相间曳力规律一直，欧拉模型通常比混合模型更精确；若相间 曳力规律不明确，最好选用混合模型。 3)如果希望减小计算了，最好选用混合模型，它比欧拉模型少解一部 分方程；如果要求精度而不在意计算量，欧拉模型可能是更好的选择。 但是要注意，复杂的欧拉模型比混合模型的稳定性差，可能会遇到收 敛困难。

FLUENT 15.0 VOF模型测试报告

ANSYS 15.0 系列测试报告 FLUENT 15.0 VOF模型 测试人：崔亮安世亚太公司 测试时间：2013.12.01

1、仿真平台 HP Z820工作站，Intel Xeon E5-2690 * 2，内存64GB，2TB SATA硬盘。安装ANSYS 15.0 Preview3版本。 2、仿真模型 对某车型上带有底部隔板的油箱，在车辆加速时油箱内燃油晃动的瞬态过程进行瞬态仿真分析，网格单元数约10万，使用FLUENT的VOF模型计算空气和燃油的两相交界面。重点考察FLUENT 15.0中VOF模型的计算效率和两相交界面捕捉精度的提升。 测试案例的几何形状 测试案例的网格模型 3、试用情况 1）.稳定性 在整个试用过程中，软件保持稳定，未出现任何不流畅、死机、系统崩溃等情况。2）.流畅度 模型拖动、旋转、缩放等操作十分流畅，模型设定及求解过程操作十分流畅。 3）.效率 该模型使用0.0005秒的时间步长进行瞬态计算，共计算了2000步，共计1.0秒时长。使用15.0 Preview3版本所用的计算时间为3693秒。之前使用13.0版本计算该模型所用计算时间为4381秒。新版本提速15.7%。 4）.硬件资源调用情况 由于该模型网格数量较少，仅使用单核进行求解计算。在整个计算过程中，单核占用率达到100%，内存占用峰值约为400 MB。之前使用13.0版本计算该模型的内存占用峰值约

为450兆。新版本对内存的峰值占用约为旧版本的90%左右。 5）.计算精度 VOF模型的计算精度体现在两相交界面捕捉的清晰程度，15.0版本的交界面捕捉清晰程度比旧版本略有提升，对于一些较小的气泡有着更好的捕捉能力。 t=0.45s时，15.0版本和13.0版本计算的两相交界面对比 t=0.45s时，15.0版本和13.0版本计算的两相交界面对比 4、总结 在ANSYS 15.0 Preview3版本的试用过程中，对FLUENT 15.0中VOF模型的计算效率提升感到满意，相比较于旧版本，约有15%的计算速度提升，这对缩短仿真分析的周期有极大帮助；还有约10%的内存峰值占用量下降，这对于合理利用现有硬件资源进行更大规模的模型计算有着重要意义。此外，新版本VOF模型的计算精度也有所提升，两相交界面捕捉更加锐利，对于一些较小的气泡，相对于旧版本有着更好的捕捉能力

Fluent多相流模型选择与设定

1.多相流动模式 我们可以根据下面的原则对多相流分成四类： ?气-液或者液-液两相流： o 气泡流动：连续流体中的气泡或者液泡。 o 液滴流动：连续气体中的离散流体液滴。 o 活塞流动: 在连续流体中的大的气泡 o 分层自由面流动：由明显的分界面隔开的非混合流体流动。 ?气-固两相流： o 充满粒子的流动：连续气体流动中有离散的固体粒子。 o 气动输运：流动模式依赖诸如固体载荷、雷诺数和粒子属性等因素。最典型的模式有沙子的流动，泥浆流，填充床，以及各向同性流。 o 流化床：由一个盛有粒子的竖直圆筒构成，气体从一个分散器导入筒内。从 床底不断充入的气体使得颗粒得以悬浮。改变气体的流量，就会有气泡不断 的出现并穿过整个容器，从而使得颗粒在床内得到充分混合。 ?液-固两相流 o 泥浆流：流体中的颗粒输运。液-固两相流的基本特征不同于液体中固体颗 粒的流动。在泥浆流中，Stokes 数通常小于1。当Stokes数大于1 时，流动成为流化（fluidization）了的液-固流动。 o 水力运输: 在连续流体中密布着固体颗粒 o 沉降运动: 在有一定高度的成有液体的容器内，初始时刻均匀散布着颗粒物 质。随后，流体将会分层，在容器底部因为颗粒的不断沉降并堆积形成了淤 积层，在顶部出现了澄清层，里面没有颗粒物质，在中间则是沉降层，那里 的粒子仍然在沉降。在澄清层和沉降层中间，是一个清晰可辨的交界面。 ?三相流(上面各种情况的组合) 各流动模式对应的例子如下： ?气泡流例子：抽吸，通风，空气泵，气穴，蒸发，浮选，洗刷 ?液滴流例子：抽吸，喷雾，燃烧室，低温泵，干燥机，蒸发，气冷，刷洗?活塞流例子：管道或容器内有大尺度气泡的流动 ?分层自由面流动例子：分离器中的晃动，核反应装置中的沸腾和冷凝 ?粒子负载流动例子：旋风分离器，空气分类器，洗尘器，环境尘埃流动 ?风力输运例子：水泥、谷粒和金属粉末的输运

fluent多相流算例

Tutorial:Dam-Break Simulation Using FLUENT’s Volume of Fluid Model Purpose This tutorial examines the dam-break problem using the Volume of Fluid(VOF)multiphase model. This tutorial demonstrates how to do the following: ?Set up a dam-break problem. ?Choose the time step by estimating the maximum possible velocity of the interface and the grid cell dimension. ?Solve the problem using the VOF model. ?Manipulate the solution parameters. Prerequisites This tutorial assumes that you are familiar with the FLUENT interface and that you have a good understanding of basic setup and solution procedures.In this tutorial,you will use VOF multiphase model,so you should have some experience with it.This tutorial will not cover the mechanics of using this model;instead,it will focus on the application of this model to solve a dam-break problem. If you have not used this model before,it would be helpful to?rst refer to the FLUENT6.3 User’s Guide and the FLUENT6.2Tutorial Guide. Problem Description The initial setup of the dam-break problem is shown in Figure1. In this problem,a rectangular column of water,in hydrostatic equilibrium,is con?ned between two walls.Gravity is acting downwards with a magnitude of-9.81m/s2.At the beginning of the calculation,the right wall is removed and the water is allowed to?ow out to the horizontal wall.

fluent经验总结

1什么叫松弛因子？松弛因子对计算结果有什么样的影响？它对计算的收敛情况又有什 么样的影响？ 1、亚松驰（Under Relaxation）：所谓亚松驰就是将本层次计算结果与上一层次结果的差值作适当缩减，以避免由于差值过大而引起非线性迭代过程的发散。用通用变量来写 出时，为松驰因子（Relaxation Factors）。《数值传热学-214》 2、FLUENT中的亚松驰：由于FLUENT所解方程组的非线性，我们有必要控制的变化。一般用亚松驰方法来实现控制，该方法在每一部迭代中减少了的变化量。亚松驰最简 单的形式为：单元内变量等于原来的值加上亚松驰因子a与变化的积, 分离解算器使用亚松驰来控制每一步迭代中的计算变量的更新。这就意味着使用分离解算器解的方程，包 括耦合解算器所解的非耦合方程（湍流和其他标量）都会有一个相关的亚松驰因子。在FLUENT中，所有变量的默认亚松驰因子都是对大多数问题的最优值。这个值适合于很多问题，但是对于一些特殊的非线性问题（如：某些湍流或者高Rayleigh数自然对流问题），在计算开始时要慎重减小亚松驰因子。使用默认的亚松驰因子开始计算是很好的习惯。如 果经过4到5步的迭代残差仍然增长，你就需要减小亚松驰因子。有时候，如果发现残差 开始增加，你可以改变亚松驰因子重新计算。在亚松驰因子过大时通常会出现这种情况。 最为安全的方法就是在对亚松驰因子做任何修改之前先保存数据文件，并对解的算法做几 步迭代以调节到新的参数。最典型的情况是，亚松驰因子的增加会使残差有少量的增加， 但是随着解的进行残差的增加又消失了。如果残差变化有几个量级你就需要考虑停止计算 并回到最后保存的较好的数据文件。注意：粘性和密度的亚松驰是在每一次迭代之间的。 而且，如果直接解焓方程而不是温度方程（即：对PDF计算），基于焓的温度的更新是要进行亚松驰的。要查看默认的亚松弛因子的值，你可以在解控制面板点击默认按钮。对于 大多数流动，不需要修改默认亚松弛因子。但是，如果出现不稳定或者发散你就需要减小 默认的亚松弛因子了，其中压力、动量、k和e的亚松弛因子默认值分别为0.2，0.5，0.5和0.5。对于SIMPLEC格式一般不需要减小压力的亚松弛因子。在密度和温度强烈耦合 的问题中，如相当高的Rayleigh数的自然或混合对流流动，应该对温度和/或密度（所用 的亚松弛因子小于1.0）进行亚松弛。相反，当温度和动量方程没有耦合或者耦合较弱时，流动密度是常数，温度的亚松弛因子可以设为1.0。对于其它的标量方程，如漩涡，组分，PDF变量，对于某些问题默认的亚松弛可能过大，尤其是对于初始计算。你可以将松弛因子设为0.8以使得收敛更容易。 SIMPLE与SIMPLEC比较 在FLUENT中，可以使用标准SIMPLE算法和SIMPLEC（SIMPLE-Consistent）算法，默认是SIMPLE算法，但是对于许多问题如果使用SIMPLEC可能会得到更好的结果，尤其是可以应用增加的亚松驰迭代时，具体介绍如下: 对于相对简单的问题（如：没有附加模型激活的层流流动），其收敛性已经被压力速

大数据与云计算概要分析

大数据与云计算概要分析 大数据(big data,mega data)，或称巨量资料，指的是需要新处理模式才能具有更强 的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的 4V 特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。 第一，数据体量巨大。从 TB 级别，跃升到 PB 级别。 第二，数据类型繁多，如前文提到的网络日志、视频、图片、地理位置信息，等等。 第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。 第四，处理速度快。1 秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC 以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。 大数据最核心的价值就是在于对于海量数据进行存储和分析。 大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像 MapReduce 一样的框架来向数十、数百或甚至数千的电脑分配工作。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。 大的数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统，但不是所有的MPP 的关系数据库的PB 的数据存储和管理的能力。隐含的负载，监控，备份和优化大型数据表的使用在RDBMS 的。 SOA 管理大数据SOA 的三个数据中心模型分别是数据即服务(DaaS)模型、物理层次结构模型和架构组件模型。DaaS 数据存取的模型描述了数据是如何提供给SOA

大数据经典使用十大案例

如有人问你什么是大数据？不妨说说这10个典型的大数据案例(-from 互联网) 在听Gartner的分析师Doug Laney用55分钟讲述55个大数据应用案例之前，你可能对于大数据是否落地还心存疑虑。Laney的演讲如同莎士比亚的全集一样，不过可能“缺乏娱乐性而更具信息量”（也许对于技术人员来说是这样的）。这个演讲是对大数据3v 特性的全面阐释：variety（类型）、velocity（产生速度）和volume（规模）。术语的发明者就是用这种方式来描述大数据的–可以追溯到2001年。 这55个例子不是用来虚张声势，Laney的意图是说明大数据的实际应用前景，听众们应该思考如何在自己公司里让大数据落地并促进业务的发展。“也许有些例子并非来自于你当前所处的行业，但是你需要考虑如何做到他山之石可以攻玉。”Laney表示。 下面是其中的10个典型案例： 1. 梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。 2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。“SAP想通过这次收购来扭转其长久以来在预测分析方面的劣势。”Laney分析到。 3. 沃尔玛的搜索。这家零售业寡头为其网站https://www.sodocs.net/doc/256700651.html,自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。 4. 快餐业的视频分析（Laney没有说出这家公司的名字）。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。 5. Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提