1) Pore Network Model
孔网络模型
1.
The Application of a Slit Pore and Pore Network Model on Gas Separation in Carbon Membranes;
孔狭缝及孔网络模型在炭膜气体分离中的应用
2) pore-scale network model
孔隙级网络模型
1.
Research on oil and water flow using pore-scale network model;
利用孔隙级网络模型研究油水两相流
2.
The fluid distribution in each pore and throat was expressed quantitatively by pore-scale network model.
多相流体在多孔介质中流动时,传质扩散、非水相溶解等现象都与相间界面有关,利用孔隙级网络模型定量表征每一个孔隙孔喉中流体分布,结合几何知识,计算得到了多相流体在孔隙级网络模型中流动时的毛细管压力、饱和度和相间界面积,并作出了它们之间的关系曲线。
3) pore network model
孔隙网络模型
1.
Application on pore network model of porous media;
多孔介质孔隙网络模型的应用现状
2.
Based on percolation theory,a quasi-static 3D pore network model is established,and it can be used to describe primary oil flooding and secondary water flooding and to calculate the relative permeability.
结合逾渗理论,采用截断威布尔分布作为孔喉分布函数,模拟初次油驱和二次水驱过程,建立了油水两相流的三维准静态孔隙网络模型。
3.
A pore network model is established.
结合逾渗理论,采用截断威布尔分布作为孔喉特征分布函数,模拟储层岩心的初次油驱过程和二次水驱过程,建立了油水两相三维准静态孔隙网络模型;通过模型计算与试验结果的对比,验证了孔隙网络模型的有效性。
4) pore network model
孔道网络模型
1.
A fractal pore network model for unsteady drying process of a natural porous body is developed based on the theories of fractal geometry,drainage and percolation through porous media and transport-process.
以农副产品中常见孔隙直径范围(10-7~10-4m)的自然多孔介质为研究对象,运用分形几何学、多孔介质渗流物理和传递过程原理,建立了描述多孔介质干燥过程热质传递的分形孔道网络模型和规则孔道网络模型。
2.
Structural characteristics of a sandy bed, namely a natural porous media, and a pore network model were analyzed and a set of structural parameters of a pore network model corresponding to a sandy bed was determined.
对砂粒堆积床这一自然多孔介质的结构特性及孔道网络干燥模型进行了描述,并对砂粒堆积床结构参数与孔道网络模型参数进行了对应分析;建立了堆积床的孔道网络模型,并利用该模型进行了砂堆积床干燥过程的孔道网络模拟;模拟的结果与干燥实验数据进行了验证。
5) pore scale network model
孔隙网络模型
1.
The throat frequency distributions were taken as the main input data and used to calculate oil-water relative permeability with the pore scale network model.
以所拟合的孔喉频数分布为主要输入参数 ,利用孔隙网络模型计算了油、水相对渗透率。
6) pore-network model
孔洞-网络模型
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条