边界层气象：脉动量预报方程展开 | 湍流脉动速度方差预报方程 | 平均湍流动能收支方程推导
写成分量形式
原始式子：
∂ u i ′ ∂ t + u ‾ j ∂ u i ′ ∂ x j + u j ′ ∂ u ‾ i ∂ x j + u j ′ ∂ u i ′ ∂ x j = − 1 ρ ‾ ⋅ ∂ p ′ ∂ x i + g θ v ′ θ ‾ v δ i 3 + f ϵ i j 3 u j ′ + v ∂ 2 u i ′ ∂ x j 2 + ∂ ( u i ′ u j ′ ‾ ) ∂ x j \begin{align*} \frac{\partial u_i'}{\partial t}+ \overline u_j\frac{\partial u_i'}{\partial x_j}+ u_j'\frac{\partial \overline u_i}{\partial x_j}+u_j'\frac{\partial u_i'}{\partial x_j}= -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}} +g\frac{\theta_v'}{\overline \theta_v}\delta_{i3} +f\epsilon_{ij3}u_j' +v\frac{\partial^2u_i'}{\partial x_j^2} +\frac{\partial (\overline {u_i'u_j'})}{\partial x_j} \end{align*} ∂t∂ui′+uj∂xj∂ui′+uj′∂xj∂ui+uj′∂xj∂ui′=−ρ1⋅∂xi∂p′+gθvθv′δi3+fϵij3uj′+v∂xj2∂2ui′+∂xj∂(ui′uj′)
x 方向：
∂ u ′ ∂ t + ( u ‾ ∂ u ′ ∂ x + v ‾ ∂ u ′ ∂ y + w ‾ ∂ u ′ ∂ z ) + ( u ′ ∂ u ‾ ∂ x + v ′ ∂ u ‾ ∂ y + w ′ ∂ u ‾ ∂ z ) + ( u ′ ∂ u ′ ∂ x + v ′ ∂ u ′ ∂ y + w ′ ∂ u ′ ∂ z ) = − 1 ρ ‾ ⋅ ∂ p ′ ∂ x + f v ′ + v ∂ 2 u ′ ∂ x 2 + v ∂ 2 u ′ ∂ y 2 + v ∂ 2 u ′ ∂ z 2 + ∂ ( u ′ u ′ ‾ ) ∂ x + ∂ ( u ′ v ′ ‾ ) ∂ y + ∂ ( u ′ w ′ ‾ ) ∂ z \begin{align*} \frac{\partial u'}{\partial t}+ (\overline u\frac{\partial u'}{\partial x}+ \overline v\frac{\partial u'}{\partial y}+ \overline w\frac{\partial u'}{\partial z})+ ( u'\frac{\partial \overline u}{\partial x}+ v'\frac{\partial \overline u}{\partial y}+ w'\frac{\partial \overline u}{\partial z} )+ ( u'\frac{\partial u'}{\partial x}+ v'\frac{\partial u'}{\partial y}+ w'\frac{\partial u'}{\partial z} )=\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x}}\\ +fv'\\ +v\frac{\partial^2u'}{\partial x^2}+ v\frac{\partial^2u'}{\partial y^2}+ v\frac{\partial^2u'}{\partial z^2}\\ +\frac{\partial (\overline {u'u'})}{\partial x}+ \frac{\partial (\overline {u'v'})}{\partial y}+ \frac{\partial (\overline {u'w'})}{\partial z} \end{align*} ∂t∂u′+(u∂x∂u′+v∂y∂u′+w∂z∂u′)+(u′∂x∂u+v′∂y∂u+w′∂z∂u)+(u′∂x∂u′+v′∂y∂u′+w′∂z∂u′)=−ρ1⋅∂x∂p′+fv′+v∂x2∂2u′+v∂y2∂2u′+v∂z2∂2u′+∂x∂(u′u′)+∂y∂(u′v′)+∂z∂(u′w′)
y 方向：
∂ v ′ ∂ t + ( u ‾ ∂ v ′ ∂ x + v ‾ ∂ v ′ ∂ y + w ‾ ∂ v ′ ∂ z ) + ( u ′ ∂ v ‾ ∂ x + v ′ ∂ v ‾ ∂ y + w ′ ∂ v ‾ ∂ z ) + ( u ′ ∂ v ′ ∂ x + v ′ ∂ v ′ ∂ y + w ′ ∂ v ′ ∂ z ) = − 1 ρ ‾ ⋅ ∂ p ′ ∂ y − f u ′ + v ∂ 2 v ′ ∂ x 2 + v ∂ 2 v ′ ∂ y 2 + v ∂ 2 v ′ ∂ z 2 + ∂ ( v ′ u ′ ‾ ) ∂ x + ∂ ( v ′ v ′ ‾ ) ∂ y + ∂ ( v ′ w ′ ‾ ) ∂ z \begin{align*} \frac{\partial v'}{\partial t}+ (\overline u\frac{\partial v'}{\partial x}+ \overline v\frac{\partial v'}{\partial y}+ \overline w\frac{\partial v'}{\partial z})+ ( u'\frac{\partial \overline v}{\partial x}+ v'\frac{\partial \overline v}{\partial y}+ w'\frac{\partial \overline v}{\partial z} )+ ( u'\frac{\partial v'}{\partial x}+ v'\frac{\partial v'}{\partial y}+ w'\frac{\partial v'}{\partial z} )=\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial y}}\\ -fu'\\ +v\frac{\partial^2v'}{\partial x^2}+ v\frac{\partial^2v'}{\partial y^2}+ v\frac{\partial^2v'}{\partial z^2}\\ +\frac{\partial (\overline {v'u'})}{\partial x}+ \frac{\partial (\overline {v'v'})}{\partial y}+ \frac{\partial (\overline {v'w'})}{\partial z} \end{align*} ∂t∂v′+(u∂x∂v′+v∂y∂v′+w∂z∂v′)+(u′∂x∂v+v′∂y∂v+w′∂z∂v)+(u′∂x∂v′+v′∂y∂v′+w′∂z∂v′)=−ρ1⋅∂y∂p′−fu′+v∂x2∂2v′+v∂y2∂2v′+v∂z2∂2v′+∂x∂(v′u′)+∂y∂(v′v′)+∂z∂(v′w′)
z 方向：
∂ w ′ ∂ t + ( u ‾ ∂ w ′ ∂ x + v ‾ ∂ w ′ ∂ y + w ‾ ∂ w ′ ∂ z ) + ( u ′ ∂ w ‾ ∂ x + v ′ ∂ w ‾ ∂ y + w ′ ∂ w ‾ ∂ z ) + ( u ′ ∂ w ′ ∂ x + v ′ ∂ w ′ ∂ y + w ′ ∂ w ′ ∂ z ) = − 1 ρ ‾ ⋅ ∂ p ′ ∂ z + g θ v ′ θ ‾ v + v ∂ 2 w ′ ∂ x 2 + v ∂ 2 w ′ ∂ y 2 + v ∂ 2 w ′ ∂ z 2 + ∂ ( w ′ u ′ ‾ ) ∂ x + ∂ ( w ′ v ′ ‾ ) ∂ y + ∂ ( w ′ w ′ ‾ ) ∂ z \begin{align*} \frac{\partial w'}{\partial t}+ (\overline u\frac{\partial w'}{\partial x}+ \overline v\frac{\partial w'}{\partial y}+ \overline w\frac{\partial w'}{\partial z})+ ( u'\frac{\partial \overline w}{\partial x}+ v'\frac{\partial \overline w}{\partial y}+ w'\frac{\partial \overline w}{\partial z} )+ ( u'\frac{\partial w'}{\partial x}+ v'\frac{\partial w'}{\partial y}+ w'\frac{\partial w'}{\partial z} )=\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial z}}\\ +g\frac{\theta_v'}{\overline \theta_v}\\ +v\frac{\partial^2w'}{\partial x^2}+ v\frac{\partial^2w'}{\partial y^2}+ v\frac{\partial^2w'}{\partial z^2}\\ +\frac{\partial (\overline {w'u'})}{\partial x}+ \frac{\partial (\overline {w'v'})}{\partial y}+ \frac{\partial (\overline {w'w'})}{\partial z} \end{align*} ∂t∂w′+(u∂x∂w′+v∂y∂w′+w∂z∂w′)+(u′∂x∂w+v′∂y∂w+w′∂z∂w)+(u′∂x∂w′+v′∂y∂w′+w′∂z∂w′)=−ρ1⋅∂z∂p′+gθvθv′+v∂x2∂2w′+v∂y2∂2w′+v∂z2∂2w′+∂x∂(w′u′)+∂y∂(w′v′)+∂z∂(w′w′)
湍流脉动速度方差得预报方程推导
对于原始式子
∂ u i ′ ∂ t + u ‾ j ∂ u i ′ ∂ x j + u j ′ ∂ u ‾ i ∂ x j + u j ′ ∂ u i ′ ∂ x j = − 1 ρ ‾ ⋅ ∂ p ′ ∂ x i + g θ v ′ θ ‾ v δ i 3 + f ϵ i j 3 u j ′ + v ∂ 2 u i ′ ∂ x j 2 + ∂ ( u i ′ u j ′ ‾ ) ∂ x j \begin{align*} \frac{\partial u_i'}{\partial t}+ \overline u_j\frac{\partial u_i'}{\partial x_j}+ u_j'\frac{\partial \overline u_i}{\partial x_j}+u_j'\frac{\partial u_i'}{\partial x_j}= -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}} +g\frac{\theta_v'}{\overline \theta_v}\delta_{i3} +f\epsilon_{ij3}u_j' +v\frac{\partial^2u_i'}{\partial x_j^2} +\frac{\partial (\overline {u_i'u_j'})}{\partial x_j} \end{align*} ∂t∂ui′+uj∂xj∂ui′+uj′∂xj∂ui+uj′∂xj∂ui′=−ρ1⋅∂xi∂p′+gθvθv′δi3+fϵij3uj′+v∂xj2∂2ui′+∂xj∂(ui′uj′)
在等式两边同时乘以 u i ′ u_i' ui′，根据微分的性质进行结合，类似
2 u i ′ ∂ u i ′ ∂ t = ∂ u i ′ 2 ∂ t 2u_i'\frac{\partial u_i'}{\partial t}=\frac{\partial u_i'^2}{\partial t} 2ui′∂t∂ui′=∂t∂ui′2
得到
∂ u i ′ 2 ∂ t + u ‾ j ∂ u ′ 2 ∂ x j + 2 u i ′ u j ′ ∂ u ‾ i ∂ x j + 2 u i ′ u j ′ ∂ u i ′ ∂ x j = − 2 u i ′ ρ ‾ ⋅ ∂ p ′ ∂ x i + 2 g θ v ′ θ ‾ v δ i j 3 u j ′ + 2 v u i ′ ∂ 2 u i ′ ∂ x j 2 + 2 u i ′ u i ′ u j ′ ‾ ∂ x j \begin{align*} \frac{\partial u_i'^2}{\partial t}+ \overline u_j\frac{\partial u'^2}{\partial x_j}+ 2u_i'u_j'\frac{\partial \overline u_i}{\partial x_j}+ 2u_i'u_j'\frac{\partial u_i'}{\partial x_j}=\\ -\frac{2u_i'}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}}\\ +2g\frac{\theta_v'}{\overline \theta_v}\delta_{ij3}u_j'\\ +2vu_i'\frac{\partial^2u_i'}{\partial x_j^2}\\ +2u_i'\frac{\overline{u_i'u_j'}}{\partial x_j} \end{align*} ∂t∂ui′2+uj∂xj∂u′2+2ui′uj′∂xj∂ui+2ui′uj′∂xj∂ui′=−ρ2ui′⋅∂xi∂p′+2gθvθv′δij3uj′+2vui′∂xj2∂2ui′+2ui′∂xjui′uj′
其中，左侧第四项可以表示为，其中右侧第二项的右半边为连续方程，其值为 0
2 u i ′ u j ′ ∂ u i ′ ∂ x j = ∂ ( u i ′ 2 u j ′ ) ∂ x j − u i ′ 2 ∂ u j ′ ∂ x j = ∂ ( u i ′ 2 u j ′ ) ∂ x j 【由连续方程 ∂ u j ′ ∂ x j = 0 】 2u_i'u_j'\frac{\partial u_i'}{\partial x_j}= \frac{\partial({{u_i'^2u_j'}})}{\partial x_j}- {u_i'}^2\frac{\partial u_j'}{\partial x_j}= \frac{\partial({{u_i'^2u_j'}})}{\partial x_j}【由连续方程\frac{\partial u_j'}{\partial x_j}=0】 2ui′uj′∂xj∂ui′=∂xj∂(ui′2uj′)−ui′2∂xj∂uj′=∂xj∂(ui′2uj′)【由连续方程∂xj∂uj′=0】
对于右侧第一项
− 2 u i ′ ρ ‾ ⋅ ∂ p ′ ∂ x i = − 2 ρ ‾ ( ∂ ( u i ′ p ′ ) ∂ x i − ∂ u i ′ ∂ x i p ′ ) , 其中右侧第二项为连续方程，为 0 -\frac{2u_i'}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}}=-\frac{2}{\overline \rho}(\frac{\partial (u_i'p')}{\partial x_i}-\frac{\partial u_i'}{\partial x_i}p'),其中右侧第二项为连续方程，为0 −ρ2ui′⋅∂xi∂p′=−ρ2(∂xi∂(ui′p′)−∂xi∂ui′p′),其中右侧第二项为连续方程，为0
因此有
− 2 u i ′ ρ ‾ ⋅ ∂ p ′ ∂ x i = − 2 ρ ‾ ⋅ ∂ ( u i ′ p ′ ) ∂ x i -\frac{2u_i'}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}}=-\frac{2}{\overline \rho}\cdot{ \frac{\partial (u_i'p')}{\partial x_i}} −ρ2ui′⋅∂xi∂p′=−ρ2⋅∂xi∂(ui′p′)
对于右侧第三项有
2 v u i ′ ∂ 2 u i ′ ∂ x j 2 = v ∂ 2 u i ′ 2 ∂ x j 2 − 2 v ( ∂ u i ′ ∂ x j ) 2 = v ∂ 2 u i ′ 2 ∂ x j 2 − 2 ϵ 2vu_i'\frac{\partial^2u_i'}{\partial x_j^2}= v\frac{\partial^2u_i'^2}{\partial x_j^2}-2v(\frac{\partial u_i'}{\partial x_j})^2=v\frac{\partial^2u_i'^2}{\partial x_j^2}-2\epsilon 2vui′∂xj2∂2ui′=v∂xj2∂2ui′2−2v(∂xj∂ui′)2=v∂xj2∂2ui′2−2ϵ
将上述式子代入后对取雷诺平均，同时忽略两个小项（ v ∂ 2 u i ′ 2 ‾ ∂ x j 2 , 2 u i ′ ∂ ( u i ′ u j ′ ) ‾ ∂ x j ‾ v\frac{\partial^2\overline{u_i^{'2}}}{\partial x_j^2},2\overline{u_i'\frac{\partial \overline{(u_i'u_j')}}{\partial x_j}} v∂xj2∂2ui′2,2ui′∂xj∂(ui′uj′)），得到
∂ u i ′ 2 ‾ ∂ t + u ‾ j ∂ u ′ 2 ‾ ∂ x j = − 2 ρ ‾ ⋅ ∂ ( u i ′ p ′ ) ‾ ∂ x i + 2 g θ ‾ v ( u i ′ θ v ′ ) ‾ δ i j 3 − 2 u i ′ u j ′ ‾ ∂ u i ‾ ∂ x j − ∂ ( u i ′ 2 u j ′ ‾ ) ∂ x j − 2 ϵ \begin{align*} \frac{\partial \overline {u_i'^2}}{\partial t}+ \overline u_j\frac{\partial \overline{u'^2}}{\partial x_j} =\\ -\frac{2}{\overline \rho}\cdot{ \frac{\partial\overline{(u_i'p')}}{\partial x_i}}\\ +2\frac{g}{\overline \theta_v}\overline{(u_i'\theta_v')}\delta_{ij3}\\ -2\overline{u_i'u_j'}\frac{\partial \overline{u_i}}{\partial x_j}\\ -\frac{\partial(\overline{{u_i'^2u_j'}})}{\partial x_j}\\ -2\epsilon \end{align*} ∂t∂ui′2+uj∂xj∂u′2=−ρ2⋅∂xi∂(ui′p′)+2θvg(ui′θv′)δij3−2ui′uj′∂xj∂ui−∂xj∂(ui′2uj′)−2ϵ
TKE 方程推导
将湍流脉动速度方差展开
写成分量形式 (将湍能耗散项放在了 x 方向，确保下方求和后只有 2 ϵ 2\epsilon 2ϵ)：
∂ u ′ 2 ‾ ∂ t + ∂ v ′ 2 ‾ ∂ t + ∂ w ′ 2 ‾ ∂ t + ( u ‾ ∂ u ′ 2 ‾ ∂ x + v ‾ ∂ u ′ 2 ‾ ∂ y + w ‾ ∂ u ′ 2 ‾ ∂ y ) + ( u ‾ ∂ v ′ 2 ‾ ∂ x + v ‾ ∂ v ′ 2 ‾ ∂ y + w ‾ ∂ v ′ 2 ‾ ∂ y ) + ( u ‾ ∂ v ′ 2 ‾ ∂ x + v ‾ ∂ v ′ 2 ‾ ∂ y + w ‾ ∂ v ′ 2 ‾ ∂ y ) = − 2 ρ ‾ ⋅ [ ∂ ( u ′ p ′ ) ‾ ∂ x + ∂ ( v ′ p ′ ) ‾ ∂ y + ∂ ( w ′ p ′ ) ‾ ∂ z ] + 2 g θ ‾ v ( w ′ θ v ′ ‾ ) − 2 ( u ′ u ′ ‾ ∂ u ‾ ∂ x + u ′ v ′ ‾ ∂ u ‾ ∂ y + u ′ w ′ ‾ ∂ u ‾ ∂ x + v ′ u ′ ‾ ∂ v ‾ ∂ z + v ′ v ′ ‾ ∂ v ‾ ∂ y + v ′ w ′ ‾ ∂ v ‾ ∂ z + w ′ u ′ ‾ ∂ w ‾ ∂ z + w ′ v ′ ‾ ∂ w ‾ ∂ y + w ′ w ′ ‾ ∂ w ‾ ∂ z ) − [ ∂ ( u ′ 2 u ′ ) ‾ ∂ x + ∂ ( u ′ 2 v ′ ‾ ) ∂ y + ∂ ( u ′ 2 w ′ ‾ ) ∂ z + ∂ ( v ′ 2 u ′ ) ‾ ∂ x + ∂ ( v ′ 2 v ′ ‾ ) ∂ y + ∂ ( v ′ 2 w ′ ‾ ) ∂ z + ∂ ( w ′ 2 u ′ ) ‾ ∂ x + ∂ ( w ′ 2 v ′ ‾ ) ∂ y + ∂ ( w ′ 2 w ′ ‾ ) ∂ z ] − 2 ϵ \begin{align*} \frac{\partial \overline{{u^{'}}^2}}{\partial t}+ \frac{\partial \overline{{v^{'}}^2}}{\partial t}+ \frac{\partial \overline{{w^{'}}^2}}{\partial t} \\ +(\overline u\frac{\partial \overline{{u^{'}}^2}}{\partial x}+ \overline v\frac{\partial \overline{{u^{'}}^2}}{\partial y}+ \overline w\frac{\partial \overline{{u^{'}}^2}}{\partial y})+(\overline u\frac{\partial \overline{{v^{'}}^2}}{\partial x}+ \overline v\frac{\partial \overline{{v^{'}}^2}}{\partial y}+ \overline w\frac{\partial \overline{{v^{'}}^2}}{\partial y})+ (\overline u\frac{\partial \overline{{v^{'}}^2}}{\partial x}+ \overline v\frac{\partial \overline{{v^{'}}^2}}{\partial y}+ \overline w\frac{\partial \overline{{v^{'}}^2}}{\partial y}) =\\ -\frac{2}{\overline \rho}\cdot{[ \frac{\partial\overline{(u'p')}}{\partial x}+ \frac{\partial\overline{(v'p')}}{\partial y}+ \frac{\partial\overline{(w'p')}}{\partial z}]}\\ +2\frac{g}{\overline \theta_v}(\overline {w'\theta_v^{'}})\\ -2(\overline{u'u'}\frac{\partial \overline u}{\partial x}+ \overline{u'v'}\frac{\partial \overline u}{\partial y}+ \overline{u'w'}\frac{\partial \overline u}{\partial x}+ \overline{v'u'}\frac{\partial \overline v}{\partial z}+ \overline{v'v'}\frac{\partial \overline v}{\partial y}+ \overline{v'w'}\frac{\partial \overline v}{\partial z}+ \overline{w'u'}\frac{\partial \overline w}{\partial z}+ \overline{w'v'}\frac{\partial \overline w}{\partial y}+ \overline{w'w'}\frac{\partial \overline w}{\partial z})\\ -[\frac{\partial (\overline{{u^{'}}^2u')}}{\partial x}+ \frac{\partial (\overline{{u^{'}}^2v'})}{\partial y}+ \frac{\partial (\overline{{u^{'}}^2w'})}{\partial z}+ \frac{\partial (\overline{{v^{'}}^2u')}}{\partial x}+ \frac{\partial (\overline{{v^{'}}^2v'})}{\partial y}+ \frac{\partial (\overline{{v^{'}}^2w'})}{\partial z}+ \frac{\partial (\overline{{w^{'}}^2u')}}{\partial x}+ \frac{\partial (\overline{{w^{'}}^2v'})}{\partial y}+ \frac{\partial (\overline{{w^{'}}^2w'})}{\partial z}] \\ -2\epsilon \end{align*} ∂t∂u′2+∂t∂v′2+∂t∂w′2+(u∂x∂u′2+v∂y∂u′2+w∂y∂u′2)+(u∂x∂v′2+v∂y∂v′2+w∂y∂v′2)+(u∂x∂v′2+v∂y∂v′2+w∂y∂v′2)=−ρ2⋅[∂x∂(u′p′)+∂y∂(v′p′)+∂z∂(w′p′)]+2θvg(w′θv′)−2(u′u′∂x∂u+u′v′∂y∂u+u′w′∂x∂u+v′u′∂z∂v+v′v′∂y∂v+v′w′∂z∂v+w′u′∂z∂w+w′v′∂y∂w+w′w′∂z∂w)−[∂x∂(u′2u′)+∂y∂(u′2v′)+∂z∂(u′2w′)+∂x∂(v′2u′)+∂y∂(v′2v′)+∂z∂(v′2w′)+∂x∂(w′2u′)+∂y∂(w′2v′)+∂z∂(w′2w′)]−2ϵ
将 (1)除以 1/2，整理后得到 (2)
1 2 [ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ t u ‾ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ x + v ‾ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ y + w ‾ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ z ] = − 1 ρ ‾ ⋅ [ ∂ ( u ′ p ′ ) ‾ ∂ x + ∂ ( v ′ p ′ ) ‾ ∂ y + ∂ ( w ′ p ′ ) ‾ ∂ z ] + g θ ‾ v ( w ′ θ v ′ ‾ ) − ( u ′ u ′ ‾ ∂ u ‾ ∂ x + u ′ v ′ ‾ ∂ u ‾ ∂ y + u ′ w ′ ‾ ∂ u ‾ ∂ x + v ′ u ′ ‾ ∂ v ‾ ∂ z + v ′ v ′ ‾ ∂ v ‾ ∂ y + v ′ w ′ ‾ ∂ v ‾ ∂ z + w ′ u ′ ‾ ∂ w ‾ ∂ z + w ′ v ′ ‾ ∂ w ‾ ∂ y + w ′ w ′ ‾ ∂ w ‾ ∂ z ) − 1 2 [ ∂ u ′ ( u ′ 2 + v ′ 2 + w ′ 2 ) ‾ ∂ x + 1 2 [ ∂ v ′ ( u ′ 2 + v ′ 2 + w ′ 2 ) ‾ ∂ y + 1 2 [ ∂ w ′ ( u ′ 2 + v ′ 2 + w ′ 2 ) ‾ ∂ z ] − ϵ \begin{align*} \frac{1}{2}[ \frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial t}\\ \overline{u}\frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial x}+ \overline{v}\frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial y}+ \overline{w}\frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial z} ]=\\ -\frac{1}{\overline \rho}\cdot{[ \frac{\partial\overline{(u'p')}}{\partial x}+ \frac{\partial\overline{(v'p')}}{\partial y}+ \frac{\partial\overline{(w'p')}}{\partial z}]}\\ +\frac{g}{\overline \theta_v}(\overline {w'\theta_v^{'}})\\ -(\overline{u'u'}\frac{\partial \overline u}{\partial x}+ \overline{u'v'}\frac{\partial \overline u}{\partial y}+ \overline{u'w'}\frac{\partial \overline u}{\partial x}+ \overline{v'u'}\frac{\partial \overline v}{\partial z}+ \overline{v'v'}\frac{\partial \overline v}{\partial y}+ \overline{v'w'}\frac{\partial \overline v}{\partial z}+ \overline{w'u'}\frac{\partial \overline w}{\partial z}+ \overline{w'v'}\frac{\partial \overline w}{\partial y}+ \overline{w'w'}\frac{\partial \overline w}{\partial z})-\\ \frac{1}{2}[\frac {\partial \overline{ {u'}({{u'}^2}+ {{v'}^2}+{{w'}^2})}}{\partial x}+ \frac{1}{2}[\frac {\partial \overline{ {v'}({{u'}^2}+ {{v'}^2}+{{w'}^2})}}{\partial y}+ \frac{1}{2}[\frac {\partial \overline{ {w'}({{u'}^2}+ {{v'}^2}+{{w'}^2})}}{\partial z} ]- \epsilon \end{align*} 21[∂t∂(u′2+v′2+w′2)u∂x∂(u′2+v′2+w′2)+v∂y∂(u′2+v′2+w′2)+w∂z∂(u′2+v′2+w′2)]=−ρ1⋅[∂x∂(u′p′)+∂y∂(v′p′)+∂z∂(w′p′)]+θvg(w′θv′)−(u′u′∂x∂u+u′v′∂y∂u+u′w′∂x∂u+v′u′∂z∂v+v′v′∂y∂v+v′w′∂z∂v+w′u′∂z∂w+w′v′∂y∂w+w′w′∂z∂w)−21[∂x∂u′(u′2+v′2+w′2)+21[∂y∂v′(u′2+v′2+w′2)+21[∂z∂w′(u′2+v′2+w′2)]−ϵ 由平均湍流动能表达式 (3)
e ‾ = 1 2 ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) \overline e=\frac{1}{2}(\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2}) e=21(u′2+v′2+w′2)
由于 u, v, w 三者是独立的，因此对平均湍流动能得偏导数等于 u ′ 2 ‾ , v ′ 2 ‾ , w ′ 2 ‾ \overline {{u'}^2},\overline {{v'}^2},\overline {{w'}^2} u′2,v′2,w′2 各自的偏导数之和除以 2，因此将该式代入 (2) 中得到
∂ e ‾ ∂ t + u ‾ ∂ e ‾ ∂ x + v ‾ ∂ e ‾ ∂ y + w ‾ ∂ e ‾ ∂ z = − 1 ρ ‾ ⋅ [ ∂ ( u ′ p ′ ) ‾ ∂ x + ∂ ( v ′ p ′ ) ‾ ∂ y + ∂ ( w ′ p ′ ) ‾ ∂ z ] + g θ ‾ v ( w ′ θ v ′ ‾ ) − ( u ′ u ′ ‾ ∂ u ‾ ∂ x + u ′ v ′ ‾ ∂ u ‾ ∂ y + u ′ w ′ ‾ ∂ u ‾ ∂ x + v ′ u ′ ‾ ∂ v ‾ ∂ z + v ′ v ′ ‾ ∂ v ‾ ∂ y + v ′ w ′ ‾ ∂ v ‾ ∂ z + w ′ u ′ ‾ ∂ w ‾ ∂ z + w ′ v ′ ‾ ∂ w ‾ ∂ y + w ′ w ′ ‾ ∂ w ‾ ∂ z ) − [ ∂ ( u ′ e ) ‾ ∂ x + ∂ ( v ′ e ) ‾ ∂ y + ∂ ( w ′ e ) ‾ ∂ z ] − ϵ \begin{align*} \frac{\partial \overline e}{\partial t}+ \overline{u}\frac{\partial \overline e}{\partial x}+ \overline{v}\frac{\partial \overline e}{\partial y}+ \overline{w}\frac{\partial \overline e}{\partial z} =\\ -\frac{1}{\overline \rho}\cdot{[ \frac{\partial\overline{(u'p')}}{\partial x}+ \frac{\partial\overline{(v'p')}}{\partial y}+ \frac{\partial\overline{(w'p')}}{\partial z}]}\\ +\frac{g}{\overline \theta_v}(\overline {w'\theta_v^{'}})\\ -(\overline{u'u'}\frac{\partial \overline u}{\partial x}+ \overline{u'v'}\frac{\partial \overline u}{\partial y}+ \overline{u'w'}\frac{\partial \overline u}{\partial x}+ \overline{v'u'}\frac{\partial \overline v}{\partial z}+ \overline{v'v'}\frac{\partial \overline v}{\partial y}+ \overline{v'w'}\frac{\partial \overline v}{\partial z}+ \overline{w'u'}\frac{\partial \overline w}{\partial z}+ \overline{w'v'}\frac{\partial \overline w}{\partial y}+ \overline{w'w'}\frac{\partial \overline w}{\partial z})\\ -[\frac{\partial \overline {(u' e)}}{\partial x}+ \frac{\partial \overline {(v' e)}}{\partial y}+ \frac{\partial \overline {(w' e)}}{\partial z} ]-\epsilon\\ \end{align*} ∂t∂e+u∂x∂e+v∂y∂e+w∂z∂e=−ρ1⋅[∂x∂(u′p′)+∂y∂(v′p′)+∂z∂(w′p′)]+θvg(w′θv′)−(u′u′∂x∂u+u′v′∂y∂u+u′w′∂x∂u+v′u′∂z∂v+v′v′∂y∂v+v′w′∂z∂v+w′u′∂z∂w+w′v′∂y∂w+w′w′∂z∂w)−[∂x∂(u′e)+∂y∂(v′e)+∂z∂(w′e)]−ϵ
即
∂ e ‾ ∂ t + u j ‾ ∂ e ‾ ∂ x j = − 1 ρ ‾ ⋅ ∂ ( u i ′ p ′ ) ‾ ∂ x i + g θ ‾ v ( u i ′ θ v ′ ‾ ) δ i 3 − u i ′ u j ′ ‾ ∂ u i ‾ ∂ x j − ∂ ( u j ′ e ) ‾ ∂ x j − ϵ \begin{align*} \frac{\partial \overline e}{\partial t}+ \overline{u_j}\frac{\partial \overline e}{\partial x_j} =\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial\overline{(u_i'p')}}{\partial x_i} }\\ +\frac{g}{\overline \theta_v}(\overline {u_i'\theta_v^{'}})\delta_{i3}\\ -\overline{u_i'u_j'}\frac{\partial \overline {u_i}}{\partial x_j} \\ -\frac{\partial \overline {(u_j' e)}}{\partial x_j}\\ -\epsilon\\ \end{align*} ∂t∂e+uj∂xj∂e=−ρ1⋅∂xi∂(ui′p′)+θvg(ui′θv′)δi3−ui′uj′∂xj∂ui−∂xj∂(uj′e)−ϵ
相关文章：
边界层气象：脉动量预报方程展开 | 湍流脉动速度方差预报方程 | 平均湍流动能收支方程推导
写成分量形式 原始式子： ∂ u i ′ ∂ t u ‾ j ∂ u i ′ ∂ x j u j ′ ∂ u ‾ i ∂ x j u j ′ ∂ u i ′ ∂ x j − 1 ρ ‾ ⋅ ∂ p ′ ∂ x i g θ v ′ θ ‾ v δ i 3 f ϵ i j 3 u j ′ v ∂ 2 u i ′ ∂ x j 2 ∂ ( u i ′ u j ′ ‾ ) ∂ x j…...
TOSUN同星TsMaster使用入门——2、使用TS发送报文，使用graphics分析数据等
在第一章里面已经介绍了关于同星工程的创建和最基础的总线分析，接下来看看怎么使用TS发送报文以及图形化分析数据。 目录 一、使用Graphics分析报文信号/变量（对标CANoe Graphics） 二、使用数值窗口统计信号值/变量 三、使用TS发送报文 3…...
【操作系统】实验七：显示进程列表
实验7 显示进程列表 练习目的：编写一个模块，将它作为Linux内核空间的扩展来执行，并报告模块加载时内核的当前进程信息，进一步了解用户空间和内核空间的概念。 7.1 进程 进程是任何多道程序设计的操作系统中的基本概念。为了管理…...
day10 电商系统后台API——接口测试（使用postman）
【没有所谓的运气🍬，只有绝对的努力✊】 目录 实战项目简介： 1、用户管理（8个） 1.1 登录 1.2 获取用户数据列表 1.3 创建用户 1.4 修改用户状态 1.5 根据id查询用户 1.6 修改用户信息 1.7 删除单个用户 1.8 …...
JavaScript ES6+ 语法速通
一、ES6 基础语法 1. let 和 const 声明变量 let：块级作用域，可以重新赋值。const：块级作用域，声明常量，不能重新赋值。 let name Li Hua; name Li Ming; // 可修改const age 21; // age 22; // 报错࿰…...
移动端h5自适应rem适配最佳方案
网页开发中，我们常用的单位有如下几个： px：像素固定，无法适配各分辨率的移动设备em: 该单位受父容器影响，大小为父元素的倍数rem: 因为html根元素大小为16px，所以默认 1rem 16px，rem只受根元素…...
2024年使用 Cython 加速 Python 的一些简单步骤
文章结尾有最新热度的文章，感兴趣的可以去看看。 本文是经过严格查阅相关权威文献和资料，形成的专业的可靠的内容。全文数据都有据可依，可回溯。特别申明：数据和资料已获得授权。本文内容，不涉及任何偏颇观点，用中立态度客观事实描述事情本身 文章有点长，期望您能坚持看…...
EasyExcel设置表头上面的那种大标题（前端传递来的大标题）
1、首先得先引用easyExcel的版本依赖，我那 <dependency><groupId>com.alibaba</groupId><artifactId>easyexcel</artifactId><version>2.2.6</version> </dependency> 2、然后得弄直接的实体类，&…...
【Linux网络编程】第十弹---打造初级网络计算器：从协议设计到服务实现
✨个人主页： 熬夜学编程的小林 💗系列专栏： 【C语言详解】 【数据结构详解】【C详解】【Linux系统编程】【Linux网络编程】 目录 1、Protocol.hpp 1.1、Request类 1.1.1、基本结构 1.1.2、构造析构函数 1.1.3、序列化函数 1.1.4、反…...
无限弹窗？无限重启？
Windows开机自启目录： "%USERPROFILE%\AppData\Roaming\Microsoft\windows\StartMenu\Programs\Startup" 基于这个和 start 命令， shutdown 命令， 编写 bat 病毒程序。 无限弹窗 echo start cmd > hack.txt echo %0 >>…...
深入详解人工智能机器学习常见算法中的K-means聚类
目录 引言 1. K-means聚类的基本概念 1.1 K-means聚类的定义 1.2 K-means聚类的核心思想 1.3 K-means聚类的目标函数 2. K-means聚类的核心原理 2.1 初始化 2.2 分配 2.3 更新 2.4 迭代 3. K-means聚类的具体实现 3.1 K-means聚类的算法流程 3.2 K-means聚类的Pyt…...
lc146LRU缓存——模仿LinkedHashMap
146. LRU 缓存 - 力扣（LeetCode） 法1： 调用java现有的LinkedHashMap的方法，但不太理解反正都不需要扩容，super(capacity, 1F, true);不行吗，干嘛还弄个装载因子0.75还中途扩容一次浪费时间。 class LRUC…...
全面深入解析：C语言动态库
引言 动态库（Dynamic Library）是现代软件开发中不可或缺的一部分，它们不仅提高了代码的重用性和维护性，还显著提升了系统的性能和资源利用率。本文将全面探讨C语言中的动态库，从基础概念到高级应用，通过丰…...
运用 SSM 实现垃圾分类系统智能化升级
目 录 摘 要 1 前 言 3 第1章 概述 4 1.1 研究背景 4 1.2 研究目的 4 1.3 研究内容 4 第二章 开发技术介绍 5 2.1Java技术 6 2.2 Mysql数据库 6 2.3 B/S结构 7 2.4 SSM框架 8 第三章 系统分析 9 3.1 可行性分析 9 3.1.1 技术可行性 9 3.1.2 经济可行性 10 3.1.3 操作可行性 10 …...
LeNet-5：深度学习与卷积神经网络的里程碑
目录 编辑 引言 LeNet-5的结构与原理 输入层 C1层：卷积层 S2层：池化层 C3层：卷积层 S4层：池化层 C5层：卷积层 F6层：全连接层 输出层 LeNet-5的算法基础 LeNet-5的优点 LeNet-5的现代应用 …...
从资产流动分析WIF市场潜力X.game深究其他未知因素
近日，两则关于WIF最新消息引起了投资者们的注意。据报道，11月28日Vintermute在过去13小时内累计从Binance交易所提取了价值533万美元的WIF，此举不仅彰显了其强大的资金实力，更在某种程度上推动了WIF币价的反弹；另一方面…...
深入解析Vue3响应式系统：从Proxy实现到依赖收集的核心原理
深入解析Vue3响应式系统：从Proxy实现到依赖收集的核心原理 响应式系统的基本原理 作为一个热门的JavaScript框架，Vue在3.x版本中引入了基于Proxy的响应式系统。这个系统的核心思想是利用Proxy对象拦截对数据的访问和修改，从而实现数据的自动更…...
FPGA实现GTP光口数据回环传输，基于Aurora 8b/10b编解码架构，提供2套工程源码和技术支持
目录 1、前言工程概述免责声明 2、相关方案推荐我已有的所有工程源码总目录----方便你快速找到自己喜欢的项目我这里已有的 GT 高速接口解决方案 3、工程详细设计方案工程设计原理框图用户数据发送模块基于GTP高速接口的数据回环传输架构GTP IP 简介GTP 基本结构GTP 发送和接收…...
Linux网络 UDP socket
背景知识 我们知道， IP 地址用来标识互联网中唯一的一台主机， port 用来标识该主机上唯一的一个网络进程，IPPort 就能表示互联网中唯一的一个进程。所以通信的时候，本质是两个互联网进程代表人来进行通信，{srcIp&…...
如何持续优化呼叫中心大模型呼入机器人的性能？
如何持续优化呼叫中心大模型呼入机器人的性能？ 原作者：开源呼叫中心FreeIPCC，其Github：https://github.com/lihaiya/freeipcc 持续优化呼叫中心大模型呼入机器人的性能是一个复杂而细致的过程，它涉及到数据、模型结构…...
鸿蒙项目云捐助第四讲鸿蒙App应用的登陆注册页实现
根据app的操作流程可以知道，当启动页启动后，点击启动页中的页面就进入到了登录页。本讲就是针对于登录注册页的实现，实现的界面参考下图。 这里根据这个素材的参考实现鸿蒙Next云捐助的登录页。 一、鸿蒙Next云捐助登录页的实现 在项目中继…...
Windows本地搭建Redis集群（集群模式）
手打不易，如果转摘，请注明出处！ 注明原文：https://blog.csdn.net/q258523454/article/details/144477957 前言 Redis版本：redis 5.0.14.1 Windows版本：Windows10 本文只讲集群模式 1. 安装Redis 1.1 …...
使用FastGPT制做一个AI网站日志分析器
越来越的多网站面临每天上千次的扫描和各类攻击，及时发现攻击IP，并有效的屏蔽不良访问成为网站安全的重要保障，这里我们使用AI来完成对网站日志的日常分析。 我们来使用FastGPT来制做一个AI网站日志析器，下面就开始： …...
探索 Echarts 绘图：数据可视化的奇妙之旅
目录 一、Echarts 初印象 二、搭建 Echarts 绘图环境 三、绘制第一个图表：柱状图的诞生 四、图表的美化与定制：让数据更具吸引力 1. 主题切换：一键变换风格 2. 颜色调整：色彩搭配的艺术 3. 标签与提示框：丰富信…...
网络基础（IP和端口）
网络连接的核心-TCP/IP体系结构（IP和端口） 什么是IP地址 1.IP地址是电子设备（计算机）在互联网上的唯一标识 2.用来在互联网中寻找电脑 IP 地址就像是你家的地址一样，不过它是在网络世界里用来找到一台电脑或者其他网…...
UE4与WEB-UI通信
前端HTML代码 <!DOCTYPE html><html><head><meta charset"utf-8"><meta name"viewport" content"widthdevice-width, initial-scale1"><title>test web ui</title><script src"https://cdn.b…...
前缀和与差分算法详解
定义 前缀和是一种数据预处理技术，它指的是从数组的第一个元素开始，到当前元素为止的所有元素的和。这种技术可以快速计算任意区间内元素的和，而不需要每次都从头开始累加。 差分则是前缀和的逆运算，它主要用于处理对数组某个区…...
《深入探究：C++ 在多方面对 C 语言实现的优化》
目录 一、C 在 C 上进行的优化二、C 关键字（C 98）三、C 的输入输出1. cin 和 cout 的使用2. cin、cout 和 scanf()、printf() 的区别 三、命名空间1. 命名空间的使用2. 嵌套命名空间3. 在多个头文件中使用相同的命名空间 四、函数缺省值1. 缺省值的使用2…...
React 第十六节 useCallback 使用详解注意事项
useCallback 概述 1、useCallback 是在React 中多次渲染缓存函数的 Hook，返回一个函数的 memoized的值； 2、如果多次传入的依赖项不变，那么多次定义的时候，返回的值是相同的,防止频繁触发更新； 3、多应用在 父组件为函…...
使用C#和OPenCV实现圆形检测
文章目录 霍夫变换使用 OpenCV 和 C# 实现圆形检测 霍夫变换 在计算机视觉中，圆形检测是一个常见且有用的任务，特别是在物体识别、图像分析和图形处理等领域。OpenCV 是一个强大的开源计算机视觉库，它提供了许多工具来实现不同的图像处理功能…...