Дисперсия характеризует: 2. Дисперсия и ее свойства

alexxlab / / Разное

Содержание

2. Дисперсия и ее свойства

Важное значение для характеристики случайных величин имеет дисперсия.

Определение. Дисперсией случайной величины называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания

.

Слово «дисперсия» означает «рассеяние», т.е. дисперсия характеризует рассеяние (разбросанность) значений случайной величины около ее математического ожидания.

Из определения следует, что дисперсия – это постоянная величина, т.е. числовая характеристика случайной величины, которая имеет размерность квадрата случайной величины.

С вероятной точки зрения, дисперсия является мерой рассеяния значений случайной величины около ее математического ожидания.

Действительно, рассмотрим дискретную случайную величину, которая имеет конечное множество значений. Тогда, согласно определению, дисперсия вычисляется по формуле

. (2)

Если дисперсия мала, то из формулы (2) следует, что малы слагаемые. Поэтому, если не рассматривать значения, которым соответствует малая вероятность (такие значения практически невозможны), то все остальные значениямало отклоняются от математического ожидания. Следовательно,при малой дисперсии возможные значения случайной величины концентрируются около ее математического ожидания (за исключением, может быть, сравнительно малого числа отдельных значений). Если дисперсия велика, то это означает большой разброс значений случайной величины, концентрация значений случайной величины около какого-нибудь центра исключается.

Пример. Пусть случайные величины иимеют следующее законы распределения

Таблица 9. Таблица 10.

-0,1

0

0,1

0,4

-10

0,5

10

0,3

0,15

0,3

0,25

0,4

0,2

0,4

Найти математические ожидания и дисперсии этих случайных величин.

Решение. Воспользовавшись формулой для вычисления математических ожиданий, находим

.

.

С помощью формулы (2) вычислим дисперсии заданных случайных величин

.

Из полученных результатов делаем вывод: математические ожидания случайных величин иодинаковы, однако дисперсии различны. Дисперсия случайной величинымала и мы видим, что ее значение сконцентрированы около ее математического ожидания. Напротив, значения случайной величинызначительно рассеяны относительно, а поэтому дисперсияимеет большое значение. ●

Свойство 1. Дисперсия постоянной величины равна нулю

.

Доказательство.

Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат

.

Доказательство.

Свойство 3. Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий

.

Доказательство. Воспользуемся определением дисперсии и свойствами 3, 2 математического ожидания, имеем

(3)

Определение. Математическое ожидание произведения отклонений случайных величин и от их математических ожиданий называется корреляционным моментом этих величин

.

Если случайные величины, величины инезависимы, то, воспользовавшись свойствами 6 и 7 математических ожиданий, находим

.

Поэтому из формулы 3 имеем

,

откуда окончательно следует

. ●

С помощью метода математической индукции это свойство может быть распространено на случай любого конечного числа независимых случайных величин.

Свойство 4. Дисперсия суммы независимых случайных величин равна сумме их дисперсий

. ●

Свойство 5. Дисперсия разности двух случайных независимых величин равна сумме дисперсий этих величин

.

Доказательство.

Свойство 6. Дисперсия случайной величины равна математическому ожиданию

квадрата этой величины минус квадрат ее математического ожидания

.

(Эта формула применяется для вычисления дисперсии)

Доказательство.

Как работает инструмент Фильтрация в водоносном горизонте—ArcGIS Pro

Доступно с лицензией Spatial Analyst.

Перемещение растворов в пористой среде включает два основных механизма: адвекцию и гидродинамическую дисперсию. Адвекция описывает пассивное перемещение растворенного вещества с транспортирующей жидкостью. Дисперсия – это процесс перемешивания растворенного вещества с жидкостью при дифференциальном движении жидкостей через поровое пространство. Инструмент Фильтрация в водоносном горизонте предполагает, что водоносный горизонт является вертикально перемешанным, то есть концентрация вещества по всей вертикальной толще одинакова. Это позволяет применять математическую модель в двух измерениях, что и требуется растровой моделью данных.

Двухмерная дисперсия

Двухмерная дисперсия в пористой среде может быть описана уравнением адвекции-дисперсии (Bear, 1979; Freeze and Cherry, 1979; и Marsily, 1986), сформулированного в терминах продольного (в направлении потока) и поперечного (перпендикулярно направлению потока) направлений, XL и XT соответственно, как показано ниже:

  • , где:

    C : Концентрация раствора как функция двух пространственных измерений и времени t.

    ∂C/∂t : Представляет производную по времени.

    D’L : Коэффициенты эффективной (замедленной) дисперсии в продольном направлении.

    D’T : Коэффициенты эффективной (замедленной) дисперсии в поперечном направлении.

    λ : Коэффициент распада принимается постоянным для экспоненциального распада первого порядка.

Коэффициенты дисперсии

Коэффициент дисперсии – это мера области простирания растворенного вещества в заданном направлении:

D’i = Di/R

Коэффициент дисперсии характеризует поведение растворенного вещества в конкретной среде.

Отношение между коэффициентом дисперсности и дисперсии

Дисперсности αL (продольная дисперсность) и αT (полученная по доле дисперсности) связаны с коэффициентами дисперсности следующим образом:

D’L = αL V’ и

D’T = αT V’

  • , где:

    V’ : Средняя замедленная скорость фильтрации.

    XL : Смещение в продольном направлении, параллельном направлению потока в центре масс.

    XT : Смещение в поперечном направлении, перпендикулярном направлению потока в центре масс.

    V’L : Замедленная скорость растворенного вещества в продольном направлении.

Транспортировка жидкостей

В потоке грунтовых вод:

V = q / n

V’ = V / R

Обратитесь к разделу, посвященному инструменту Скорость по Дарси за более подробным обсуждением скоростей транспортировки жидкости в грунтовых водах.

Гауссова дисперсия

Приближенное решение этого уравнения, используемое инструментом Фильтрация в водоносном горизонте, основывается на допущении, что Гауссова дисперсия от мгновенного точечного источника в двухмерной области при начальной концентрации раствора, равной нулю, (например, для чистого, вертикально перемешанного водоносного пласта), вычисляется по следующему уравнению:

  • , где:

    M : Масса растворенного вещества, выпущенного мгновенно в каком-либо источнике, в единицах массы.

    n : Пористость водоносного пласта.

    R : Фактор замедления.

    b : Толщина водоносного пласта в единицах длины.

    : дисперсия Гауссова распределения в продольном и поперечном направлениях, определяемая как функция продольной дисперсности и доли дисперсности, задаваемой пользователем, и длины пути перемещения центра масс растворенного вещества, получаемого из файла трека.

Общая эллиптическая форма функции двумерного Гауссова распределения проиллюстрирована на рисунке, приведенном внизу:

Форма бивариантного Гауссова распределения

Существует несколько значительных ограничений и допущений, реализованных в решении для инструмента Фильтрация в водоносном горизонте. Эллипс дисперсии центрирован на центре масс растворенного вещества, который, как предполагается, движется вдоль траектории движения потока, охарактеризованной во входном файле трека. Ориентация эллипса также фиксируется на траектории движения потока, с большой осью, касательной к траектории в центре. Пористость и толщина, которые также участвуют в распределении растворенного вещества, интерполируются из соответствующих растров в центре, без учета информации из соседних ячеек. Замедление, время, коэффициент распада, продольная дисперсность и доля дисперсности задаются пользователем в виде констант.

Дисперсность

Дисперсность – это параметр, управляющий дисперсией растворенного вещества через пористую среду; она задается в единицах длины. В модели Фильтрация в водоносном горизонте дисперсность используется для вычисления дисперсии в приведенном выше уравнении Гауссовой дисперсии, согласно:

  • и

Природа дисперсности и методы ее определения являются темами особого интереса и обсуждения среди специалистов, занимающихся моделированием подземного стока, и не существует никакой универсальной методики для определения этих значений. Обсуждение дисперсностей в различных геологических формациях можно найти в работе Gelhar и др. (1992).

Ни следующей диаграмме обобщается разнообразие данных, приведенных в опубликованных работах, и продольную дисперсность связывается с масштабом интересующей проблемы, то есть с расстоянием от источника до точки наблюдения.

  • Сплошная линия (центральная линия) на диаграмме представляет значение по умолчанию для продольной дисперсности, вычисленной инструментом Фильтрация в водоносном горизонте.

    Линия создается из приближения линейной регрессии к L что приводит к или , где длина пути перемещения L является шкалой наблюдений.

    Также показана статистика этой регрессии. Пунктирные внешние линии показаны и для сравнения.

Такое используемое по умолчанию вычисление должно использоваться только как руководство к действию, поскольку некоторые исследователи отвергают применение такого универсального подхода. Для любого конкретного масштаба или места действительные значения дисперсностей могут находиться в диапазоне, превышающем два порядка от величины скорости потока, при этом более достоверные оценки указывают на более низкие значения. Вместо того чтобы использовать значение, предлагаемое по умолчанию, для которого нет никакой теоретической основы, вы должны провести несколько модельных экспериментов с использованием целого ряда значений дисперсности. Учет набора результатов более достоверен, чем работа с данными одного модельного эксперимента.

Аналогичные предостережения относятся к оценке отношения продольной дисперсности к поперечной, представленных на следующем рисунке. Эти значения, как правило, связаны с простыми отношениями, хотя опять таки, вы должны экспериментировать с диапазоном значений.

Сравнение дисперсности

Доля дисперсности по умолчанию указывается сплошной линией (центральная линия) на приведенном ниже рисунке. Пунктирные линии (внешние линии) показаны для и для сравнения.

Значения эффективной пористости и проницаемости

Гелхар (Gelhar, 1992) включает в сводные таблицы значения эффективной пористости и проницаемости формации. Таблицы с этими значениями можно найти в работах Freeze and Cherry (1979) и Marsily (1986).

Замедление потока

Замедление – это соотношение между скоростью транспортируемой жидкости и скоростью раствора, которое выражается безразмерной величиной в диапазоне от единицы до бесконечности. Коэффициент замедления, равный двум, означает, что раствор мигрирует через пористую среду со скоростью, вдвое меньше скорости просачивания. Идеальный изоиндикатор не претерпевает адсорбции и перемещается в растворе с жидкостью. Такой раствор имеет коэффициент замедления, равный единице, который означает, что он движется с той же скоростью, что и транспортирующая жидкость.

Это явление является результатом адсорбции и десорбции растворенного вещества в пористой среде, в особенности, органическими включениями на стенках пор. Уравнение замедления представлено в работе Freeze and Cherry (1979) следующим образом:

  • , где:

    : Насыпная плотность материала.

    n : Пористость формации.

    Kd : Коэффициент распределения, который представляет декомпозицию раствора благодаря быстрой, обратимой адсорбции растворенного вещества между жидкой и твердыми фазами, предполагающей линейную изотерму.

В работе Marsily (1986) также подробно обсуждаются фактор замедления и адсорбция.

Выполнение моделирования адвекции-дисперсии

Инструменты Сток по Дарси, Трек частиц и Фильтрация в водоносном горизонте могут быть использованы для выполнения элементарного моделирования адвекции-дисперсии растворенных веществ в грунтовых водах. Сток по Дарси создает поле скорости потока грунтовых вод из геологических данных, Трек частиц идет по пути переноса через поле потока из точечного источника, а Фильтрация в водоносном горизонте вычисляет гидродинамическую дисперсию одновременного выпуска точки составляющего компонента, т.к. он переносится вдоль потока.

Подробно адвективно-дисперсионное моделирование, использующее эти инструменты, представлено в работе Tauxe (1994).

Типичная последовательность при выполнении моделирования подземного стока — запуск инструмента Сток по Дарси, затем инструмента Трек частиц и, наконец, Фильтрация в водоносном горизонте.

Примеры

  • Пример диалогового окна для инструмента Фильтрация в водоносном горизонте:

    Входной файл пробега частиц : ttrack. txt

    Входной растр эффективной пористости : poros

    Входной растр толщины водоносного пласта : thickn

    Выходной растр : ppuff1

    Масса : 3,2e7

    Время дисперсии : 50000

    Продольная дисперсность : 6

    Доля дисперсности : 3

    Фактор замедления : 1

    Коэффициент затухания : 250

  • Пример использования инструмента Фильтрация в водоносном горизонте в алгебре карт: 
    outPPuff1 = PorousPuff(ttrack.txt, poros, thickn, 1000000, 0.01, 10, 1.5, 1.0, 500)
  • Ниже приведена последовательность выражений алгебры карт, использующих инструменты моделирования подземного стока:
    out_vol = DarcyFlow(head, poros, thickn, transm, dir1, mag1)
ParticleTrack(dir1, mag1, ttrack.txt, 500, 650, "#", "#", track_feat.shp)
out_puff = PorousPuff(ttrack.txt, poros, thickn, 3.2e7, 50000, 6, 3, 1, 250)

Справочная информация

Bear, J. 1979, Hydraulics of Groundwater. McGraw–Hill.

Freeze, R. A., and J. A. Cherry. 1979. Грунтовые воды. Prentice–Hall.

Gelhar, L. W., C. Welty, and K. R. Rehfeldt. 1992. «A Critical Review of Data on Field-Scale Dispersion in Aquifers». Water Resources Research 28 (7): 1955–1974.

Marsily, G. de. 1986. Quantitative Hydrogeology. Academic Press.

Tauxe, J. D. 1994. «Porous Medium Advection–Dispersion Modeling in a Geographic Information System». Ph.D. diss., University of Texas, Austin.

Связанные разделы

Отзыв по этому разделу?

Характеристики рассеивания радиоактивных материалов, оцениваемые по ветровым режимам

. 2 июля 2018 г .; 8 (1): 9926.

doi: 10.1038/s41598-018-27955-4.

Такао Йошикане 1 , Кей Йошимура 2

Принадлежности

  • 1 Институт промышленных наук Токийского университета, 5-1-5, Кашиваноха, Касива-ши, Тиба, 277-8574, Япония. [email protected].
  • 2 Институт промышленных наук Токийского университета, 5-1-5, Кашиваноха, Касива-ши, Тиба, 277-8574, Япония.
  • PMID: 29967386
  • PMCID: PMC6028445
  • DOI: 10.1038/с41598-018-27955-4

Бесплатная статья ЧВК

Такао Йошикане и др. Научный представитель .

Бесплатная статья ЧВК

. 2 июля 2018 г .; 8 (1): 9926.

doi: 10.1038/s41598-018-27955-4.

Авторы

Такао Йошикане 1 , Кей Йошимура 2

Принадлежности

  • 1 Институт промышленных наук Токийского университета, 5-1-5, Кашиваноха, Касива-ши, Тиба, 277-8574, Япония. [email protected].
  • 2 Институт промышленных наук Токийского университета, 5-1-5, Кашиваноха, Касива-ши, Тиба, 277-8574, Япония.
  • PMID: 29967386
  • PMCID: PMC6028445
  • DOI: 10. 1038/с41598-018-27955-4

Абстрактный

Радиоактивные материалы обычно концентрируются с подветренной стороны от места их происхождения, когда преобладающие ветры постоянно дуют в одном направлении. Если бы этот принцип определял характер рассеивания во всех случаях, направления рассеивания можно было бы оценивать по характеру ветра. Однако эта гипотеза недостаточно проверена из-за сложности дисперсионных процессов и погодных систем. Здесь мы показываем, что направления рассеивания, которые разделены на четыре диапазона, могут быть оценены по характеру ветра с использованием подхода машинного обучения. Среднее пятилетнее попадание направлений рассеивания, рассчитанное по приповерхностным ветрам, превышает 0,85 во все месяцы. Направления рассеивания можно оценить заблаговременно до 33 часов, используя прогноз ветра. В частности, высокие показатели попадания, превышающие 0,95 достигаются в январе и марте, когда преобладают крупномасштабные погодные системы. Эти результаты показывают, что направления рассеивания определяются режимами ветра, которые в большинстве случаев соответствуют крупномасштабным погодным системам и режимам суточной циркуляции. Наши результаты также предоставляют более достоверную информацию о схемах рассеивания с уменьшенной неопределенностью, учитывая, что достаточная квалификация достигается за достаточное время для эвакуации.

Заявление о конфликте интересов

Авторы заявляют об отсутствии конкурирующих интересов.

Цифры

Рисунок 1

Меридиональные направления расположения…

Рисунок 1

Меридиональные направления расположения 131 I ( a ). Сайты, на которых…

Рисунок 1

Меридиональные направления расположения 131 I ( a ). Площадки, где наблюдалось суточное кумулятивное выпадение радиоактивных материалов (Управление по ядерному регулированию, Япония). ( b ) Временные вариации наблюдаемых и смоделированных объемов осаждения в марте 2011 г. Столбики показывают отношение осаждения в каждой точке к максимальному среди восьми точек, а пунктирные линии представляют максимальное ежедневное осаждение среди восьми точек. Четыре точки расположены севернее ПДАЭС (положительные значения), а остальные – южнее ПДАЭС (отрицательные значения). Карта и графики были созданы с использованием Python 3.6.

Рисунок 2

Смоделированные направления рассеивания по усредненным по площади…

Рисунок 2

Смоделированные направления рассеивания по усредненным по площади ветрам. ( a ) Данные обучения собраны…

фигура 2

Смоделированные направления рассеивания по усредненным по площади ветрам. ( a ) Данные обучения, собранные в марте с 2009 по 2013 год. ( b ) Данные тестирования, собранные в марте 2011 года. Цвета представляют собой классифицированные направления рассеивания. Эти графики были созданы с использованием Python 3.6.

Рисунок 3

Временные вариации в реалистичных и…

Рисунок 3

Временные вариации в реальном и расчетном направлениях в марте 2011 г. Реальная дисперсия…

Рисунок 3

Временные вариации в реальных и предполагаемых направлениях в марте 2011 г. Реалистичные направления дисперсии получены путем распределения дисперсии выходных данных LT-моделирования (светлая заливка). Расчетные направления получаются путем применения метода машинного обучения SVM к 10-метровым приповерхностным ветрам, извлеченным из данных MSM-GPV. Закрашенные квадратные маркеры и квадратные маркеры с белой внутренней частью обозначают успешные и неудачные прогнозы соответственно. Темные области обозначают случаи, в которых не происходило изменения направления в течение 6  часов до и после предсказаний. Этот график был создан с помощью Microsoft Excel для Mac 2011.

Рисунок 4

Попадания и ставки…

Рисунок 4

Частота попаданий и частота постоянных и переходных случаев. ( а…

Рисунок 4

Частота попаданий и частота постоянных и переходных случаев. ( a ) Частота попаданий FV1 (серый) и FV2 (синий) в январе, марте, апреле, июле и октябре (усредненные значения за пять лет). Темные и светлые полосы представляют соответственно постоянное и переходное состояния. Столбики погрешностей и черные точки обозначают максимальное, минимальное и среднее значение за пять лет, начиная с 2009 г.по 2013 г. ( b ) Показатели Постоянного (темное затенение) и Переходного (светлое затенение) случаев. Эти графики были созданы с использованием Python 3.6.

Рисунок 5

Показатель попаданий расчетного…

Рисунок 5

Частота совпадений расчетных направлений с использованием прогноза ветра, полученного от JMA.…

Рисунок 5

Частота совпадений расчетных направлений с использованием прогноза ветра, полученного от JMA. Показана средняя за пять лет частота попаданий расчетных направлений с использованием прогноза ветра на 3–33 часа вперед в январе, марте, апреле, июле и октябре. Частота попаданий в 0 часов указывает направления, оцененные с использованием ассимилированных ветров. Графики созданы с использованием Python 3.

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

  • Разработка и применение модели скрининга аэрозолей для городских аэрозолей с разрешением по размеру.

    Станьер КО, Ли С.Р.; Комитет по обзору состояния здоровья вуза. Stanier CO, et al. Res Rep Health Eff Inst. 2014 июнь;(179):3-79. Res Rep Health Eff Inst. 2014. PMID: 25145039

  • Изучение климатологических моделей ветра и моделируемого рассеивания пыльцы в сложной островной среде.

    Винер Б.Дж., Арритт Р.В., Вестгейт, Мэн. Винер Б.Дж. и соавт. Int J Biometeorol. 2017 авг; 61 (8): 1481-1492. doi: 10.1007/s00484-017-1325-1. Epub 2017 29 марта. Int J Biometeorol. 2017. PMID: 28357507

  • Сочетание моделирования дисперсии с синоптическими моделями для понимания ветрового переноса в Великобританию переносчика блютанга.

    Бургин Л., Экстрем М., Дессай С. Бургин Л. и соавт. Int J Biometeorol. 2017 июль; 61 (7): 1233-1245. doi: 10.1007/s00484-016-1301-1. Epub 2017 14 января. Int J Biometeorol. 2017. PMID: 28091855

  • Проблема оценки ветрового сноса перелетных птиц.

    Грин М, Алерстам Т. Грин М. и др. Дж Теор Биол. 2002 21 октября; 218 (4): 485-96. Дж Теор Биол. 2002. PMID: 12384051

  • Погодные режимы и орографическая циркуляция вокруг Новой Каледонии.

    Лефевр Дж., Маркезиелло П., Журден Н.К., Менкес С., Лерой А. Лефевр Дж. и др. Мар Поллут Бык. 2010;61(7-12):413-31. doi: 10.1016/j.marpolbul.2010.06.012. Epub 2010 12 августа. Мар Поллут Бык. 2010. PMID: 20708202

Посмотреть все похожие статьи

Цитируется

  • Рассеивание и осаждение на землю радиоактивных материалов по схемам воздушного потока для повышения готовности к Н/Р аварийным ситуациям.

    Эрнандес-Себальос М.А., Санджорджи М., Гарсия-Пуэрта Б., Монтеро М., Труэба К. Эрнандес-Себальос М.А. и соавт. J Environ Radioact. 2020 Май; 216:106178. doi: 10.1016/j.jenvrad.2020.106178. Epub 2020 3 февраля. J Environ Radioact. 2020. PMID: 32056787 Бесплатная статья ЧВК.

Рекомендации

    1. Экологические последствия аварии на Чернобыльской АЭС и их ликвидация: двадцатилетний опыт/Доклад эксперта Чернобыльского форума. Группа «Окружающая среда». – Вена: Международное агентство по атомной энергии (2006 г.).
    1. Брандт Дж., Кристенсен Дж. Х., Фрон Л.М. Моделирование переноса и осаждения цезия и йода в результате аварии на Чернобыльской АЭС с использованием модели DREAM. Атмос. хим. физ. 2002;2:397–417. doi: 10.5194/acp-2-397-2002. — DOI
    1. Международный консультативный комитет, Международный Чернобыльский проект: Технический отчет, МАГАТЭ, Вена (1991).
    1. Де Корт, М. и др. Атлас осаждения цезия в Европе после чернобыльской аварии, Управление официальных публикаций Европейского сообщества, ECSC-EEC-EAEC: Брюссель-Люксембург (1998).
    1. Борзилов В. А., Клепикова Н. В. Влияние метеорологических условий и состава выбросов на выпадение радионуклидов после аварии на Чернобыльской АЭС. Чернобыльские газеты. Том 1. Дозы облучения населения СССР и ранние исследования последствий для здоровья (1993).

Характеристики рассеивания опасных отходов вытеснения многоструйными газовыми струями

. 2023 Январь; 73 (1): 65-79.

дои: 10.1080/10962247.2022.2141918. Epub 2022 30 ноября.

Гуанмин Го 1 , Сяовэнь Чжэн 1 , Мяо Ву 1

принадлежность

  • 1 Школа механической, электронной и информационной инженерии, Китайский университет горного дела и технологий, Пекин, Китайская Народная Республика.
  • PMID: 36319077
  • DOI: 10.1080/10962247.2022.2141918

Guangming Guo et al. J Air Waste Manag Assoc. 2023 янв.

. 2023 Январь; 73 (1): 65-79.

дои: 10.1080/10962247.2022.2141918. Epub 2022 30 ноября.

Авторы

Гуанмин Го 1 , Сяовэнь Чжэн 1 , Мяо Ву 1

принадлежность

  • 1 Школа механической, электронной и информационной инженерии, Китайский университет горного дела и технологий, Пекин, Китайская Народная Республика.
  • PMID: 36319077
  • DOI: 10.1080/10962247.2022.2141918

Абстрактный

В цементных печах, где совместно перерабатываются опасные твердые отходы, материал по трубопроводам транспортируется в кальцинатор для сжигания. Когда вязкий материал поступает в кальцинатор в виде поршневого потока, CO и NO x , выбрасываемые цементной печью, сильно колеблются в результате недостаточного сгорания. Чтобы улучшить рассеивание материалов, избежать накопления и сделать сгорание более достаточным, была создана экспериментальная система для изучения влияния системы форсунок 9.0361 i , расстояние d и скорость толкания v на дисперсионные характеристики. Испытание на осадку показало, что материал с массовой долей шлама 35 40% имел хорошую текучесть. При этом форма зоны рассеивания была V-образной при длине рассеивания менее 4 6 м и становилась прямоугольной при длине рассеивания более 6 м. Наконец, результаты показали, что 90 361 i 90 362 = 3 дали лучший эффект, за ним следуют 90 361 i 90 362 = 5 и 90 361 i 9.0362 = 2 оказало наихудшее влияние. Кроме того, d = 160 мм дали лучший эффект, затем d = 240 мм и d = 80 мм дали наихудший эффект. По мере увеличения скорости проталкивания по сравнению с эффект рассеивания постепенно ухудшался. Материал, который находился на расстоянии 2 м от распылителя, составлял около 50% от общего количества. Выводы : В этой статье предлагается и проверяется метод, основанный на многоструйном распылении опасных отходов газовыми струями. Этот метод может распылять опасные отходы в виде гранул, что не только повышает эффективность сжигания опасных отходов, но и снижает колебания CO. Мы считаем, что этот метод может широко использоваться в промышленности для увеличения производительности совместной утилизации цементных печей. опасных отходов.

Похожие статьи

  • Выбросы и распределение диоксинов при совместной переработке опасных твердых отходов в цементных печах.

    Ye WW, Cai PT, Zhan MX, Jiao WT, Xu-Xu, Fu JY, Chen T, Li XD. Ye WW и др. Environ Sci Pollut Res Int. 2022 июль; 29 (35): 53755-53767. doi: 10.1007/s11356-022-19675-0. Epub 2022 15 марта. Environ Sci Pollut Res Int. 2022. PMID: 35288857

  • Тезисы презентаций на собрании Ассоциации ученых-клиницистов 143 rd Луисвилл, Кентукки, 11–14 мая 2022 г.

    [Нет авторов в списке] [Нет авторов в списке] Энн Клин Lab Sci. 2022 май; 52(3):511-525. Энн Клин Lab Sci. 2022. PMID: 35777803 Аннотация недоступна.

  • Исследование выделения и трансформации хлора при совместной переработке отходов сжигания опасных отходов в цементной печи.

    Zhu H, Wang Y, Jing N, Jiang X, Lv G, Yan J. Чжу Х и др. Управление отходами Res. 2019 май; 37(5):495-501. дои: 10.1177/0734242X19828147. Epub 2019 22 февраля. Управление отходами Res. 2019. PMID: 30795720

  • Профили полихлорированных бифенилов (ПХБ) в цементных печах при совместной переработке твердых отходов.

    Джин Р., Чжан Дж., Лю Г., Чжао Ю., Чжэн М., Ян Л., Ван М. Джин Р. и др. Хемосфера. 2017 Май; 174:165-172. doi: 10.1016/j.chemosphere.2017.01.115. Epub 2017 24 января. Хемосфера. 2017. PMID: 28161517

  • Обзор аварийной утилизации и обращения с медицинскими отходами во время пандемии COVID-19 в Китае.

    Чжао Х., Лю Х., Вэй Г., Чжан Н., Цяо Х., Гонг Ю., Юй Х., Чжоу Дж., У Ю.

    No related posts.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *