排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
黄河下游输沙率修正方法和应用 总被引:3,自引:1,他引:2
本文利用文献[1]提供的“修正爱因斯坦全沙计算程序”,计算出黄河下游黄园口、高村、艾山、利津站的全沙输沙率,记为Qsmep,将其与相应的实测悬移质输沙率Qsm的比值作为输沙率修正系数K、建立K与含沙量S的关系。利用灰数概念将修正系数视为某灰区间内的灰数,用白化权函数将灰数白化再乘以相应的Qsm便可得到修正输沙率Qsmod。利用线性回归小于某粒径组泥沙修正系数的关系修正分组泥沙输沙率。将这种方法应用 相似文献
3.
本文概述了黄河龙门至潼关,三门峡至利津及利津以下河道水文泥沙冲淤计算方法,并用1960-1990年这测资料对模型进行了验证计算,结果表明,分时段、分河段泥沙冲淤量计算值与实测值吻合较好,累积冲淤过程比较一致。 相似文献
4.
5.
大气湍流和系统噪声的存在使得天文或空间目标成像模糊。而双通道交替最小化算法是复原湍流和噪声降质图像的有效方法之一。但该算法比较复杂,需要反复迭代运算,处理耗时较长。为了提高算法运行速率,结合算法结构特征,将图形处理器(GPU)加速技术应用于双通道交替最小化算法,重点优化交替最小化迭代过程。实验结果表明:在不同湍流且信噪比(SNR)20 dB的条件下,与直接采用中央处理器(CPU)的算法相比,GPU并行加速用于双通道交替最小化算法,能够实现图像复原的“U-step”运算速率提升80%以上,点扩散函数求解的“H-step”运算速率提升60%以上,且恢复后的图像效果接近衍射极限。并行加速技术与已有的算法相结合的方式能够有效提高运行速率,为湍流和噪声降质图像的复原提供一定的参考。 相似文献
1