Coefficient Prediction(계수 예측)란 무엇입니까?
Coefficient Prediction 계수 예측 - This is also due to the good performance of the deep neural network we designed in coefficient prediction. [1]이는 계수 예측에서 설계한 심층 신경망의 우수한 성능 때문이기도 합니다. [1]
Transfer Coefficient Prediction 전달 계수 예측
[1] for heat transfer coefficient prediction during DWC and has been assessed using the present data and two other datasets from independent laboratories. [1] Two correlations, based on the previous studies, were proposed to improve the accuracy of the heat transfer coefficient prediction. [2] Based on the experimental results, an empirical model for the average heat transfer coefficient prediction was developed and can predict 97. [3] The important specific and quantitative results are that the volumetric heat transfer coefficient prediction accuracy can be improved by the proposed the hybrid model. [4] The numerical models were validated against experimental data published in literature to demonstrate the reliability of CFD simulations on the heat transfer coefficient prediction and buoyancy effect capture to turbulent sCO. [5] The assessment of some dry-out and flow boiling heat transfer coefficient prediction methods is finally carried-out and a correction factor on the nucleate boiling term is proposed to take into account the negative effect of the temperature glide difference on the mass diffusion in the liquid. [6] Moreover, a novel correlation for mass transfer coefficient prediction was developed with AARE of 17. [7][1] DWC 중 열전달 계수 예측을 위해 현재 데이터와 독립 실험실의 다른 두 데이터 세트를 사용하여 평가되었습니다. [1] 열전달 계수 예측의 정확도를 향상시키기 위해 선행 연구를 기반으로 두 가지 상관 관계가 제안되었습니다. [2] 실험 결과를 바탕으로 평균 열전달 계수 예측을 위한 실증적 모델을 개발하여 97을 예측할 수 있습니다. [3] 중요한 구체적이고 정량적인 결과는 제안된 하이브리드 모델에 의해 체적 열전달 계수 예측 정확도가 향상될 수 있다는 것입니다. [4] 수치 모델은 열전달 계수 예측 및 난류 sCO에 대한 부력 효과 캡처에 대한 CFD 시뮬레이션의 신뢰성을 입증하기 위해 문헌에 발표된 실험 데이터에 대해 검증되었습니다. [5] 일부 건조 및 유동 비등 열전달 계수 예측 방법의 평가가 최종적으로 수행되고 핵 비등 항에 대한 보정 계수가 액체의 질량 확산에 대한 온도 활주 차이의 부정적인 영향을 고려하도록 제안됩니다. . [6] 또한, 물질 전달 계수 예측을 위한 새로운 상관 관계가 AARE 17로 개발되었습니다. [7]
Diffusion Coefficient Prediction 확산 계수 예측
By utilizing a data set covering a wide range of environmental condition parameters, the effective diffusion coefficient prediction models for the SWI with and without bedforms are developed. [1] This paper develops models for diffusion coefficient prediction to provide parameters for atomic mobility databases and to assist material design in a multi-scale simulation framework for face-centered-cubic (fcc) alloys. [2] We propose here a novel and computationally efficient methodology to obtain accurate diffusion coefficient predictions as a function of pore width for pores carved out of common materials, such as silica, alumina, magnesium oxide, calcite and muscovite. [3]광범위한 환경 조건 매개변수를 포함하는 데이터 세트를 활용하여 베드폼이 있거나 없는 SWI에 대한 효과적인 확산 계수 예측 모델이 개발되었습니다. [1] 이 논문은 원자 이동성 데이터베이스에 대한 매개변수를 제공하고 면심입방(fcc) 합금에 대한 다중 규모 시뮬레이션 프레임워크에서 재료 설계를 지원하기 위해 확산 계수 예측을 위한 모델을 개발합니다. [2] 우리는 여기에서 실리카, 알루미나, 산화마그네슘, 방해석 및 백운모와 같은 일반적인 재료로 조각된 기공에 대한 기공 너비의 함수로 정확한 확산 계수 예측을 얻기 위한 새롭고 계산 효율적인 방법론을 제안합니다. [3]
Friction Coefficient Prediction 마찰 계수 예측
The three-dimensional finite element model of a shrink disk is constructed by applying the friction coefficient prediction model. [1] A friction coefficient prediction model is developed with consideration of the effect of temperature. [2] Based on the measured data, the accuracy of different friction coefficient prediction formulas is evaluated. [3]마찰 계수 예측 모델을 적용하여 수축 디스크의 3차원 유한 요소 모델을 구성합니다. [1] 마찰계수 예측 모델은 온도의 영향을 고려하여 개발되었습니다. [2] 측정된 데이터를 기반으로 다양한 마찰 계수 예측 공식의 정확도가 평가됩니다. [3]
Drag Coefficient Prediction
However, the impact on the drag prediction is minimal, with the two drag coefficient predictions within 3% of each other, and consistent within the range of values from previous wind-tunnel tests. [1] Furthermore, an empirical mean drag coefficient prediction formula for straked pipes is proposed, which accounts for the VIV response and geometry of helical strakes. [2]그러나 두 항력 계수 예측이 서로 3% 이내이고 이전 풍동 테스트의 값 범위 내에서 일관되어 항력 예측에 대한 영향은 최소화됩니다. [1] 또한 나선형 지그의 VIV 응답과 형상을 설명하는 지그 파이프에 대한 경험적 평균 항력 계수 예측 공식이 제안되었습니다. [2]
Partition Coefficient Prediction
The SAMPL6 Part II Octanol-Water Partition Coefficient Prediction Challenge used a subset of kinase inhibitor fragment-like compounds from the SAMPL6 pKa Prediction Challenge in a blind experimental benchmark. [1] The SAMPL6 Part II octanol–water partition coefficient prediction challenge used a subset of kinase inhibitor fragment-like compounds from the SAMPL6 $$\hbox {p}{K}_{{\rm a}}$$ p K a prediction challenge in a blind experimental benchmark. [2]SAMPL6 파트 II 옥탄올-물 분할 계수 예측 챌린지는 블라인드 실험 벤치마크에서 SAMPL6 pKa 예측 챌린지에서 가져온 키나제 억제제 단편 유사 화합물의 하위 집합을 사용했습니다. [1] SAMPL6 파트 II 옥탄올-물 분배 계수 예측 문제는 SAMPL6 $$\hbox {p}{K}_{{\rm a}}$$ p K의 키나제 억제제 단편 유사 화합물의 하위 집합을 사용했습니다. 블라인드 실험 벤치마크. [2]
Reflection Coefficient Prediction 반사 계수 예측
Discretising cambered aerofoils into multiple disks improves reflection coefficient predictions, reducing error by up to an order of magnitude compared to a flat plate assumption. [1] However, the accuracy of reflection coefficient predictions was improved by developing two new alternative formulations. [2]캠버형 에어로포일을 여러 디스크로 분리하면 반사 계수 예측이 향상되어 평판 가정에 비해 오류가 최대 10배 감소합니다. [1] 그러나 두 가지 새로운 대안 공식을 개발하여 반사 계수 예측의 정확도가 향상되었습니다. [2]
Power Coefficient Prediction 전력 계수 예측
It is demonstrated that the reason behind the higher power coefficient predictions of the transitional turbulence model, close to 6% at maximum efficiency, regarding its standard counterpart, is the smaller computed viscous torque contribution in the former. [1] It was found that URANS turbulence modelling is sufficient for averaged power coefficient prediction and specific range of TSR evaluation, and it also benefits from short simulation run time. [2]최대 효율에서 6%에 가까운 전이 난류 모델의 더 높은 전력 계수 예측 이면의 이유는 전자의 계산된 점성 토크 기여가 더 작기 때문입니다. [1] URAS 난류 모델링은 평균 전력 계수 예측 및 TSR 평가의 특정 범위에 충분하며 짧은 시뮬레이션 실행 시간의 이점도 있음이 밝혀졌습니다. [2]
Raht Coefficient Prediction 라트 계수 예측
G-PCC's RAHT coefficient prediction prevents the straightforward incorporation of SPIHT into G-PCC. [1] G-PCC’s RAHT coefficient prediction prevents the straightforward incorporation of SPIHT into G-PCC. [2]G-PCC의 RAHT 계수 예측은 SPIHT를 G-PCC에 직접 통합하는 것을 방지합니다. [1] G-PCC의 RAHT 계수 예측은 SPIHT를 G-PCC에 직접 통합하는 것을 방지합니다. [2]
Aerodynamic Coefficient Prediction 공기역학 계수 예측
To the best of our knowledge, this is the first work to apply generative adversarial network (GAN) to aerodynamic coefficient prediction. [1] This paper presents a review on surrogate regression models for aerodynamic coefficient prediction, in particular for the prediction of lift and drag coefficients. [2]우리가 아는 한, 이것은 생성적 적대 네트워크(GAN)를 공기 역학적 계수 예측에 적용한 첫 번째 작업입니다. [1] 이 논문은 공기역학 계수 예측, 특히 양력 및 항력 계수 예측을 위한 대리 회귀 모델에 대한 검토를 제공합니다. [2]
coefficient prediction method 계수 예측 방법
It shows that the prediction accuracy based on the gray prediction model is significantly higher than that of the traditional elasticity coefficient prediction method, which proves the scientificity and effectiveness of the model for regional energy demand prediction. [1] Traditional derailment coefficient prediction methods have problems such as high cost, low prediction accuracy, and the inability to monitor the contact status between wheels and rails of running trains in real time. [2] The experimental results show that the power dynamic load complementarity coefficient prediction method based on big data technology proposed for the traditional charge prediction method is more stable, so this method is more effective. [3] The assessment of some dry-out and flow boiling heat transfer coefficient prediction methods is finally carried-out and a correction factor on the nucleate boiling term is proposed to take into account the negative effect of the temperature glide difference on the mass diffusion in the liquid. [4]회색 예측 모델에 기반한 예측 정확도가 기존의 탄성 계수 예측 방법보다 월등히 높음을 보여주므로 지역 에너지 수요 예측 모델의 과학성과 효율성이 입증됩니다. [1] 기존의 탈선계수 예측 방법은 높은 비용, 낮은 예측 정확도, 주행 중인 열차의 바퀴와 레일 간의 접촉 상태를 실시간으로 모니터링할 수 없다는 문제가 있었습니다. [2] 실험 결과, 기존의 전하 예측 방법에서 제안된 빅데이터 기술을 기반으로 한 전력 동적 부하 상보 계수 예측 방법이 더 안정적이어서 이 방법이 더 효과적임을 알 수 있다. [3] 일부 건조 및 유동 비등 열전달 계수 예측 방법의 평가가 최종적으로 수행되고 핵 비등 항에 대한 보정 계수가 액체의 질량 확산에 대한 온도 활주 차이의 부정적인 영향을 고려하도록 제안됩니다. . [4]
coefficient prediction model 계수 예측 모델
By utilizing a data set covering a wide range of environmental condition parameters, the effective diffusion coefficient prediction models for the SWI with and without bedforms are developed. [1] The three-dimensional finite element model of a shrink disk is constructed by applying the friction coefficient prediction model. [2] A friction coefficient prediction model is developed with consideration of the effect of temperature. [3] 015, and the water content ω obtained in the experiment, a collapsibility coefficient prediction model based on the resistivity of compacted loess was established. [4]광범위한 환경 조건 매개변수를 포함하는 데이터 세트를 활용하여 베드폼이 있거나 없는 SWI에 대한 효과적인 확산 계수 예측 모델이 개발되었습니다. [1] 마찰 계수 예측 모델을 적용하여 수축 디스크의 3차원 유한 요소 모델을 구성합니다. [2] 마찰계수 예측 모델은 온도의 영향을 고려하여 개발되었습니다. [3] 015와 실험에서 구한 함수율 ω를 이용하여 압축 황토의 저항률을 기반으로 한 붕괴 계수 예측 모델을 확립하였다. [4]
coefficient prediction formula
Based on the measured data, the accuracy of different friction coefficient prediction formulas is evaluated. [1] Furthermore, an empirical mean drag coefficient prediction formula for straked pipes is proposed, which accounts for the VIV response and geometry of helical strakes. [2]측정된 데이터를 기반으로 다양한 마찰 계수 예측 공식의 정확도가 평가됩니다. [1] 또한 나선형 지그의 VIV 응답과 형상을 설명하는 지그 파이프에 대한 경험적 평균 항력 계수 예측 공식이 제안되었습니다. [2]
coefficient prediction challenge
The SAMPL6 Part II Octanol-Water Partition Coefficient Prediction Challenge used a subset of kinase inhibitor fragment-like compounds from the SAMPL6 pKa Prediction Challenge in a blind experimental benchmark. [1] The SAMPL6 Part II octanol–water partition coefficient prediction challenge used a subset of kinase inhibitor fragment-like compounds from the SAMPL6 $$\hbox {p}{K}_{{\rm a}}$$ p K a prediction challenge in a blind experimental benchmark. [2]SAMPL6 파트 II 옥탄올-물 분할 계수 예측 챌린지는 블라인드 실험 벤치마크에서 SAMPL6 pKa 예측 챌린지에서 가져온 키나제 억제제 단편 유사 화합물의 하위 집합을 사용했습니다. [1] SAMPL6 파트 II 옥탄올-물 분배 계수 예측 문제는 SAMPL6 $$\hbox {p}{K}_{{\rm a}}$$ p K의 키나제 억제제 단편 유사 화합물의 하위 집합을 사용했습니다. 블라인드 실험 벤치마크. [2]
coefficient prediction prevent 계수 예측 방지
G-PCC's RAHT coefficient prediction prevents the straightforward incorporation of SPIHT into G-PCC. [1] G-PCC’s RAHT coefficient prediction prevents the straightforward incorporation of SPIHT into G-PCC. [2]G-PCC의 RAHT 계수 예측은 SPIHT를 G-PCC에 직접 통합하는 것을 방지합니다. [1] G-PCC의 RAHT 계수 예측은 SPIHT를 G-PCC에 직접 통합하는 것을 방지합니다. [2]