Journey of Learning and Sharing

  个人总结，某相中某种组分的吸附产生的影响有三个：（1）影响质量守恒方程中的累积项；（2）对流体的渗透性产生影响；（3）对孔隙度产生影响。 使用： 1 吸附组分设置     ADSCOMP   comp_des              phase_des           吸附函数应用到的组分名或号   吸附组分的依赖相           即phase_des中的comp_des组分会被吸附 1.1 如果吸附与温度有关     ADSLANG  TEMP           tads  tad1  tad2  tad3          温度  系数1  系数2  系数3   或者     ADSTABLE           TEMP  tads1  **温度           cpt1  adt1  **cpt为comp_des在phase_des内的mole分数，递增           cpt2  adt2  **adt为在cpt下单位孔隙体积的吸附mole数           ...   ...           TEMP   tads2           cpt1  adt1           cpt2  a...

作图代码： data = [] with open('fft-ifft.txt','r') as f: for line in f: splitlist = line.replace('\n','').split(' ') data.append([splitlist[2],splitlist[6],splitlist[10]]) data = np.array(data).astype(float) plt.plot(data[:,0],data[:,1],'k.-',label=u'普通方法') plt.plot(data[:,0],data[:,2],'r+-',label=u'快速傅里叶变换') plt.xlabel(u'问题规模(n)',{'fontname':'STFangsong','fontsize':18}) plt.ylabel(u'计算时间(s)',{'fontname':'STFangsong','fontsize':18}) plt.title(u'快速傅里叶变换的效率提升',{'fontname':'STFangsong','fontsize':18}) plt.legend(loc="upper left",numpoints = 1,prop={'family':'SimHei','size':15}) savefig('fft-ifft.png',dpi=200,bbox_inches='tight') 本文分别用常规方法和FFT方法来计算长整数乘积，并对这两种方法的效率进行对比。 普通方法 我们计算以下两个长整数的积 A = ( a m − 1 a m − 2 ⋯ a 1 a 0 ) 10 = a m − 1 10 m − 1 + a m − ...

关键字用法：   *VSMIXCOMP comp_des   *VSMIXENDP xlow xhigh   *VSMIXFUNC f(1)...f(11)   comp_des  在粘度非线性混合中关键组分的名称或序号。   xlow     对应于第一个表格元素的横坐标。允许的范围是0～xhigh。   xhigh    对应于最后一个表格元素的横坐标。允许的范围是xlow～1。   f(1)...f(11)   表格元素定义的非线性混合规则函数，这个函数应该是单调递增的，并且应该是平滑的。   缺省：     如果*VSMIXCOMP不存在，则假设对所有组分进行线性混合。     如果*VSMIXENDP不存在，则假设xlow=0，xhigh=1。     如果*VSMIXFUNC不存在，则表格输入f(i)=(i-1)/10，i=1到11，对应于0到1之间的线性间隔。 算法：   首先线性混合的规则为                  使用表征非线性的 代替 ，其中a为关键组分。但是仍然需要满足和为1的条件，即                  由上式可以得出                  因此对于粘度的非线性混合规则可以表示为                  对于任意的 就有三个范围去得到相应的 的值                             ...

今天一早，在國外的網站上看到這一個有趣的外掛：「 Map My Contacts 」，他可以幫你把所有聯絡人根據通訊錄地址放入 Google 地圖上，自動產生一個用地圖模式查看的連絡人清單，以及自動生成一個可以放入 Google 地球 等軟體中使用的 KML 檔案。 你可以一目瞭然自己認識的聯絡人都分佈在全世界哪些地點，或是能找出一些住在特殊地點而且久沒聯絡的老朋友。 這個小外掛的設計者是印度的知名部落客 Amit Agarwal （註1），他常常開發許多 Google Script 小工具（註2），解決一些資料轉換的問題，這個「 在 Google 地圖顯示全部聯絡人 」的外掛就是他的最新作品，也一樣是開放原始碼可以給大家檢視（註3）。 （註1）來源： See all your Google Contacts on a Google Map （註2）所謂的 Google Script 小工具，就像是： QR Code 產生器！用 Google 雲端硬碟就能自動大量製作 （註3）來源： Google Contacts in Google Apps Script 如何使用「 Map My Contacts 」外掛？ 如果你想試試看幫自己的通訊錄建立一份聯絡人地圖，那麼只要造訪「 Map My Contacts 」網站，並且授權這個 Google Script 外掛讀取自己的聯絡人資料，以及使用 Google 雲端硬碟檔案。 「 Map My Contacts 」 外掛網站 接著，你就會在一個新的網頁中，看到自己的通訊錄地圖，所有包含地址的聯絡人一一顯示在 Google 地圖上。 另外你的 Google Drive 雲端硬碟 中，也會自動出現一個讓你可以使用到其他服務的 KML 通訊錄地圖檔案。 如果不使用外掛，我們還可以怎麼做？ 雖然「 Map My Contacts 」是一個開放原始碼的外掛，但如果你覺得上述的做法好像沒有那麼安全，那麼其實 在「原本的 Google 地圖」中 就支援在地圖上顯示你的聯絡人地址！ 只要你的 Google 通訊錄（註4）中有建立這位連絡人的地址，那麼在 Google 地圖上只要搜尋聯絡人名稱，就能直接在地圖上顯示對方位置（註5），就好像查餐廳與景點一樣簡單。 ...