نمونه‌کار های انجام شده

مهندسی عمران

انگلیسی به فارسی

متن اصلی:

Previously, we discussed multiscale methods that employ local information in computing basis functions. The accuracy of these approaches depends on local boundary conditions. Although effective in many cases, multiscale methods that only use local information may not accurately capture the solution at all scales. In particular, in regions with no scale separation, the local multiscale methods cannot accurately approximate the scales that are comparable to the computational coarse-grid size. A rich hierarchy of scales can introduce an important connectivity at different scales that need to be captured at larger scales. The natural question is how to incorporate the information from different scales into localized multiscale basis functions such that the resulting numerical solution provides an accurate approximation of the global solution. In this chapter, we discuss how to take into account the information that is not captured by local basis functions. We call this information global information although it can be information in some large regions where important connectivity of the media may occur. For example, subsurface properties often do not have scale separation and high/low conductivity regions can be connected at various scales (e.g., Figures 1.2-1.4). The connectivity regions are often very complicated due to conductivity variations within these regions and their complex geometrical structures. Similar situations can occur in composite materials where the material properties can vary at different scales. These complex features are often incorporated into global fields which are used to construct localized multiscale basis functions. In this chapter, we discuss the concept of global multiscale methods and their applications.

متن ترجمه شده:

قبلاً ما روش های چند مقیاسی را مورد بحث قرار دادیم که از داده های محلی برای محاسبه توابع بنیادی استفاده می کنند. دقت این رویکردها به شرایط مرزی محلی بستگی دارد. روش های چند مقیاسی گرچه در بسیاری از موارد موثرند، اما در روش های چند مقیاسی که فقط از داده های محلی استفاده می کنند ممکن است قادر به گرفتن پاسخ در تمامی مقیاس ها نباشد. به خصوص در مناطقی که تفکیک مقیاس وجود ندارد، روش های چد مقیاسی محلی نمی توانند مقیاس هایی که با اندازه شبکه درشت محاسباتی قابل قیاس هستند را به طور دقیق پیش بینی کنند. یک ساختار هرمی غنی از مقیاس ها می تواند رشته اتصال مهمی بین مقیاس های مختلف باشد که باید در مقیاس بزرگ تر گرفته شوند. طبیعتاً سوالی که پیش می آید ای است که چگونه می توان داده های مقیاس های مختلف را در توابع بنیادی چند مقیاسی متمرکز وارد کرد به گونه ای که نتایج عددی حاصل تخمین دقیقی از پاسخ سراسری باشد. در این فصل ما به این موضوع می پردازیم که چگونه میتوان داده هایی که توسط توابع بنیادی محلی گرفته نشدند را در نظر گرفت؟ ما به این داده ها داده های سراسری می گوییم، گرچه این داده ها می توانند داده های برخی نواحیِ بزرگ باشند که در آن ها همبندی قابل توجه محیطی میتواند اتفاق بیفتد. به عنوان مثال، خواص زیر سطحی عموماً تفکیک مقیاس ندارند و مناطق دارای رسانندگی بالا/پایین را میتوان در مقیاس های مختلف به هم متصل نمود. (مثلا شکل 1.2 تا 1.4). مناطق همبندی در این مناطق به علت تغییرات رسانندگی و پیچیدگی هندسی ساختار آن ها معمولاً بسیار پیچیده اند. شرایط مشابه در مواد کامپوزیت که خواص مواد در مقیاس های مختلف متفاوت است می تواند رخ دهد. این ویژگی های پیچیده معمولاً در میدان های سراسری که برای تشکیل توابع بنیادی چند مقیاسی استفاده می شوند قرار می گیرند. در این فصل ما به مفهوم روش های چند مقیاسی جهانی و کاربرد آن ها می پردازیم

مهندسی عمران

فارسی به انگلیسی

متن اصلی:

این کلاه ایمنی دارای بند زیر چانه مخصوص کار در ارتفاع و تنظیم سایز رچت چرخشی میباشد با توجه به سوراخ های تهویه هوای تعبیه شده در قسمت فوقانی آن ، تابستان های خنک تری را تجربه خواهید کرد !

متن ترجمه شده:

This crash helmet has a strap under the chin specialized for work in high buildings and rotary ratchet for size adjustment. The ventilation holes on top of the helmet enables you to experience cooler summers.

نمونه‌کار‌های بیشتر