运用Fluent动网格模型实现采空区的四维动态变化,并用用户自定义函数将煤低温氧化动力学机理及非均质孔隙率函数编入Fluent中,结合时间和空间,对U+L型通风系统采空区升温规律进行四维动态模拟研究.研究表明:非均质孔隙率四维动态模型能更真实地反应孔隙率的空间与时间变化,空间某一位置的孔隙率随时间呈负指数递减;工作面推进速度越大,采空区升温速率越小,推进速度为3.6 m·d-1时平均升温速率仅为推进速度为1.2 m·d-1时的1/5;然而,推进速度越大,高温点的深度越大,不利于自燃的预防;尾巷的存在使得温度场范围扩大,温度升高,CO主要从尾巷流出,尾巷释放的CO量是回风巷CO释放量的10倍.最后利用现场实测的数据对结果进行验证,表明模拟结果是正确可信的

首先从绿色通信入手, 对网络能量效率的国内外研究现状进行了分析. 在此基础上, 对超密集网络的关键性能指标, 即能量效率的各种定义进行了梳理, 为建模奠定了基础. 其次, 讨论了网络能量效率建模和优化过程中经常使用的4种理论模型: 随机几何、博弈论、最优化理论和分数阶规划. 并综述了能效提升的技术, 包括高能效部署与规划、高能效基站休眠、高能效用户关联、高能效资源管理、高能效传输方式. 最后, 指出未来的可能的技术挑战: 网络能效理论与超密集网络体系架构、超密集小基站高能效覆盖机理、超密集网络的柔性资源匹配机理、移动用户群体行为建模与高能效服务方法. 通过研究超密集网络高能效覆盖机理和柔性资源匹配机理, 为未来无线通信网络建模和分析提供设计依据与技术支撑

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的