排序方式: 共有74条查询结果,搜索用时 0 毫秒
71.
实验观测、理论研究以及数值模拟是包括流体力学在内很多学科的基本研究范式.21世纪以来,大数据驱动下的人工智能成为引领新一轮科技革命和产业变革的重要驱动力,也被称为数据密集型科学研究范式,即第四范式.同样,数据驱动的机器学习方法也成为流体力学的新兴方向,并助推智能流体力学方向的发展.然而,与面向社会依赖“互联网+大数据”的数据密集型范式相比,流体力学智能化研究有其特有的背景.例如有限工程样本中产生的海量流动数据,与流动状态、几何边界条件的高维度以及复杂流动固有的高维、跨尺度、随机、非线性特征相比,数据驱动的流体力学研究面临着大数据小样本问题.经典流体力学虽然有三大研究范式,但融合度很低,工程设计师通常只能对不同来源的数据进行拼凑使用或简单修正.多源数据融合一定程度上可缓解单一样本量来源少、建模难,以及低精度样本利用不充分等困境,但仍未能实现基本范式中的理论模型或者专家知识和经验的充分利用.因此,在人工智能技术支撑的第四范式架构下,有机融合实验、理论模型以及数值模拟三大手段,发展“数据+知识”双驱动的流体力学多范式融合方法,成为解决重大实际工程研制问题的迫切需求,也是新时代流体力学学科内涵... 相似文献
72.
73.
尽管弹性模量以英国科学家托马斯·杨(Thomas Young,1773—1829)的名义命名,被称为杨氏模量,然而,弹性模量的发现并非由托马斯·杨一人独立完成。本文通过文献梳理,重点分析了雅各布·伯努利(Jacob Bernoulli,1655—1705)、欧拉(Leonhard Euler,1707—1783)、里卡蒂(Giordano Riccati,1709—1790)、托马斯·杨、纳维(Claude-Louis Navier,1785—1836)等人在弹性模量发现过程中的贡献,通过勾勒弹性模量概念的发现历程,探索力学概念在其发展过程中的内在逻辑性。 相似文献
74.