下载文档原格式
LES,DNS,RANS模型计算量比较摘要：湍流流动是一种非常复杂的流动，数值模拟是研究湍流的主要手段，现有的湍流数值模拟的方法有三种：直接数值模拟（Direct Numerical Simulation: DNS ），Reynolds 平均方法（Reynolds Average Navier-Stokes: RANS ）和大涡模拟（Large Eddy Simulation: LES）。
直接数值模拟目前只限于较小Re 数的湍流，其结果可以用来探索湍流的一些基本物理机理。
RANS方程通过对Navier-Stokes 方程进行系综平均得到描述湍流平均量的方程；LES 方法通过对Navier-Stokes 方程进行低通滤波得到描述湍流大尺度运动的方程，RANS和LES方法的计算量远小于DNS，目前的计算能力均可实现。
关键词：湍流；直接数值模拟；大涡模拟；雷诺平均模型1 引言湍流是空间上不规则和时间上无秩序的一种非线性的流体运动，这种运动表现出非常复杂的流动状态，是流体力学中有名的难题，其复杂性主要表现在湍流流动的随机性、有旋性、统计性1。
传统计算流体力学中描述湍流的基础是Navier-Stokes （N-S）方程，根据N-S 方程中对湍流处理尺度的不同，湍流数值模拟方法主要分为三种：直接数值模拟（DNS）、雷诺平均方法（RANS）和大涡模拟（LES）。
直接数值模拟可以获得湍流场的精确信息，是研究湍流机理的有效手段，但现有的计算资源往往难以满足对高雷诺数流动模拟的需要，从而限制了它的应用范围。
雷诺平均方法可以计算高雷诺数的复杂流动，但给出的是平均运动结果，不能反映流场紊动的细节信息。
大涡模拟基于湍动能传输机制，直接计算大尺度涡的运动，小尺度涡运动对大尺度涡的影响则通过建立模型体现出来，既可以得到较雷诺平均方法更多的诸如大尺度涡结构和性质等的动态信息，又比直接数值模拟节省计算量，从而得到了越来越广泛的发展和应用2 直接数值模拟 (DNS)湍流直接数值模拟 (DNS)就是不用任何湍流模型，直接求解完整 的三维非定常的 N - S 方程组, 计算包括脉动在内的湍流所有瞬时运 动量在三维流场中的时间演变。
生物信息学中的序列比对算法及评估指标比较序列比对是生物信息学中非常重要的工具之一，用于分析和比较生物序列的相似性和差异。
序列比对是理解生物进化和功能注释的关键步骤，在基因组学、蛋白质学和遗传学等领域都有广泛应用。
本文将介绍序列比对的算法原理和常用的评估指标，并对几种常见的序列比对算法进行比较。
一、序列比对算法1.全局比对算法全局比对算法用于比较整个序列的相似性，常见的算法有Needleman-Wunsch 算法和Smith-Waterman算法。
这两种算法都是动态规划算法，其中Needleman-Wunsch算法用于比较两个序列的相似性，而Smith-Waterman算法用于寻找局部相似的片段。
这些算法考虑了序列的整体结构，但在处理大规模序列时计算量较大。
2.局部比对算法局部比对算法用于找出两个序列中最相似的片段，常见的算法有BLAST （Basic Local Alignment Search Tool）算法和FASTA（Fast All）算法。
这些算法以快速速度和高敏感性著称，它们将序列切割成小的段落进行比对，并使用统计模型和启发式搜索来快速找到最佳匹配。
3.多序列比对算法多序列比对算法用于比较多个序列的相似性，常见的算法有ClustalW和MAFFT（Multiple Alignment using Fast Fourier Transform）算法。
这些算法通过多次序列比对来找到共有的特征和区域，并生成多序列的一致性描述。
二、评估指标1.一致性分数（Consistency Score）一致性分数是衡量序列比对结果一致性的指标，它反映了序列比对的精确性和准确性。
一致性分数越高，表示比对结果越可靠。
常用的一致性分数有百分比一致性（Percentage Identity）和序列相似度（Sequence Similarity）。
2.延伸性（Extension）延伸性是衡量序列比对结果的长度的指标。
基于R语言的七种多重比较方法一花视界百家号10-1403:18多重比较的方法很多，根据试验设计的目的不同有不同的应用。
若试验设计之初，便明确要比较某几个组均数间是否有差异，称为事前比较。
常用的事前比较方法有LSD、Bonferroni和Dunnett法。
若研究目的是方差分析有统计学差异后，想知道哪些组间的均数有差异，便是事后比较。
事后比较的常用方法有SNK、Turkey、Scheffe 和Bonferroni法。
本文仅介绍7种方法及R语言函数，可解决绝大部分多重比较问题。
1.LSD法LSD法即最小显著差法；该法一般用于计划好的多重比较。
它其实只是t检验的一个简单变形，并未对检验水准做出任何校正，只是为所有组的均数统一估计了一个更为稳健的标准误。
LSD法比较效果较为灵敏，在R语言中可利用agricolae包中的LSD.test函数实现，其调用格式为：LSD.test(y, trt, DFerror, MSerror, alpha = 0.05, p.adj=c("none","holm","hommel","hochberg", "bonferroni", "BH", "BY", "fdr"), …)其中y为方差分析对象，trt为要进行多重比较的分组变量，p.adj可以选定P值矫正方法。
当p.adj=”none”时，为LSD法，p.adj="bonferroni"时为Bonferroni法。
R代码：library(agricolae)# sweetpotato为agricolae自带数据集data(sweetpotato)#进行方差分析，分组变量为virusmodel#进行多重比较，不矫正P值out <- lsd.test(model,"virus",="" p.adj="none" )#结果显示：标记字母法out$group#可视化plot(out)程序运行结果：从运行结果看，四个处理，oo和ff处理无差异，与cc和fc彼此差异显著。
实验四用Clustal, MUSLCE 和T-Coffee 进行多条序列比对准备工作FASTA序列“>”之后加上物种和序列名称，然后加空位，方便在多序列比对过程中分清每条序列分别来自哪个物种。
1 clustalX将上述序列文件用英文命名，且其中无空格，在D盘下建立一个用英文命名的文件夹并将序列文件放在其中。
点击开始－>程序－>clustalX2－>clustalX2。
点主菜单File－>Load Sequence-选择你刚保存的序列文件，点打开设置两条序列、多序列比对及输出格式参数后：Alignment－>Alignment Parameters－>Pairwise Alignment Parameters；Alilgnment－>Alignment Parameters －>Multiple Alignment Parameters；Alignment－>Output Format Options1.1常规比对点击Aliglnment－>Do Complete Alignment。
此时出现一个对话框，提示比对结果保存的位置，在上一步选择了多少种输出格式，这里就会给出多少个文件的路径。
点OK 即可。
比对结束后生成的aln文件是多条序列比对的结果，推荐用notepad++打开浏览。
*对应的是完全匹配的列，保守替换（理化性质高度相似氨基酸之间的替换）用：表示，有一定保守的替换用.表示，如果下方没有标识，说明这列为非保守替换。
生成的dnd文件是比对过程中利用NJ方法生成的进化树（guide tree），可以用Figtree软件浏览。
1.2、迭代比对选择Alignment－>iteration－>iterate each alignment step（或iterate final alignment），然后再点击Aliglnment－>Do Complete Alignment进行比对。
SAS和SPSS等数据分析工具之间的比较来自数据分析微信号datadwSPSS:傻瓜相机SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件，是数据定量分析的工具，适用于社会科学（如经济分析，市场调研分析）和自然科学等林林总总的统计分析，国内使用的最多，领域也多。
SPSS就如一个傻瓜相机，界面友好，使用简单，但是功能强大，可以编程，能解决绝大部分统计学问题，适合初学者。
它有一个可以点击的交互界面，能够使用下拉菜单来选择所需要执行的命令。
它也有一个通过拷贝和粘贴的方法来学习其“句法”语言，但是这些句法通常非常复杂而且不是很直观。
SPSS致力于简便易行（其口号是“真正统计，确实简单”），并且取得了成功。
但是如果你是高级用户，随着时间推移你会对它丧失兴趣。
SPSS是制图方面的强手，由于缺少稳健和调查的方法，处理前沿的统计过程是其弱项。
界面展示：Stata：半自动相机Stata 是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件，以其简单易懂和功能强大受到初学者和高级用户的普遍欢迎，多用于医学，生物统计研究。
在学术界广受欢迎。
Stata就如一个半自动相机，也就是说它把傻瓜菜单和命令编程结合了起来。
它具有很强的程序语言功能，使用时可以每次只输入一个命令（适合初学者），也可以通过一个Stata程序一次输入多个命令（适合高级用户）。
这样的话，即使发生错误，也较容易找出并加以修改。
Stata较好地实现了使用简便和功能强大两者的结合。
尽管其简单易学，它在数据管理和许多前沿统计方法中的功能还是非常强大的。
用户可以很容易的下载到别人已有的程序，也可以自己去编写，并使之与Stata紧密结合。
界面展示：SAS：单反相机SAS是全球最大的软件公司之一，是全球商业智能和分析软件与服务领袖。
SAS由于其功能强大而且可以编程，很受高级用户的欢迎，也正是基于此，它是最难掌握的软件之一，多用于企业工作之中。
世界三大统计分析软件的比较：2007-04-10SAS（多变量数据分析技术与统计软件）SAS是美国SAS(赛仕)软件研究所研制的一套大型集成应用软件系统，具有比较完备的数据存取、数据管理、数据分析和数据展现的系列功能。
尤其是它的创业产品—统计分析系统部分，由于具有强大的数据分析能力，一直是业界中比较著名的应用软件，在数据处理方法和统计分析领域，被誉为国际上的标准软件和最具权威的优秀统计软件包，SAS系统中提供的主要分析功能包括统计分析、经济计量分析、时间序列分析、决策分析、财务分析和全面质量管理工具等。
SAS系统是一个组合的软件系统，它由多个功能模块配合而成，其基本部分是BASE SAS 模块。
BASE SAS模块是SAS系统的核心，承担着主要的数据管理任务，并管理着用户使用环境，进行用户语言的处理，调用其他SAS模块和产品。
也就是说，SAS系统的运行，首先必须启动BASE SAS模块，它除了本身所具有数据管理、程序设计及描述统计计算功能以外，还是SAS系统的中央调度室。
它除了可单独存在外，也可与其他产品或模块共同构成一个完整的系统。
各模块的安装及更新都可通过其安装程序比较方便地进行。
SAS系统具有比较灵活的功能扩展接口和强大的功能模块，在BASE SAS的基础上，还可以增加如下不同的模块而增加不同的功能：SAS/STAT（统计分析模块）、SAS/GRAPH（绘图模块）、SAS/QC（质量控制模块）、SAS/ETS（经济计量学和时间序列分析模块）、SAS/OR（运筹学模块）、SAS/IML（交互式矩阵程序设计语言模块）、 SAS/FSP（快速数据处理的交互式菜单系统模块）、SAS/AF（交互式全屏幕软件应用系统模块）等等。
SAS提供的绘图系统，不仅能绘各种统计图，还能绘出地图。
SAS提供多个统计过程，每个过程均含有极丰富的任选项。
用户还可以通过对数据集的一连串加工，实现更为复杂的统计分析。
此外，SAS还提供了各类概率分析函数、分位数函数、样本统计函数和随机数生成函数，使用户能方便地实现特殊统计要求。
方差分析中的两两比较一、均数间的多重比较（Multipie Comparison）方法的选择：1、如两个均数的比较是独立的，或者虽有多个样本的均数，但事先已计划好要做某几对均数的比较，则不管方差分析的结果如何，均应进行比较，一般采用LSD法或Bonferroni 法；2、如果事先未计划进行多重比较，在方差分析得到有统计意义的F检验值后，可以利用多重比较进行探索性分析，此时比较方法的选择要根据研究目的和样本的性质。
比如，需要进行多个实验组和一个对照组比较时，可采用Dunnett法；如需要进行任意两组之间的比较而各组样本的容量又相同时，可采用Tukey法；若各组样本的容量不相同时，可采用Scheffe法；若事先未计划进行多重比较，且方差分析结果未有显著差别，则不应进行多重比较；3、有时候研究者事先有对特定几组均值比较的考虑，这时可以不用Post hoc进行几乎所有均值组合的两两比较，而是通过Contrasts中相应的设置来实现；4、最后需要注意的是，如果组数较少，如3组、4组，各种比较方法得到的结果差别不会很大；如果比较的组数很多，则要慎重选择两两均值比较的方法。
5、LSD法：即最小显著差法；是最简单的比较方法之一，它其实只是t检验的一种简单变形，未对检验水准做任何校正，只是在标准误计算上充分利用了样本信息。
它一般用于计划好的多重比较；6、Sidak法：它是在LSD法上加入了Sidak校正，通过校正降低每次两两比较的一类错误率，达到整个比较最终甲类错误率为α的目的；7、Bonferroni法：它是Bonferroni校正在LSD法上的应用。
8、Scheffe法：它实质上是对多组均数间的线性组合是否为0做假设检验（即所谓的Contrasts），多用于各组样本容量不等时的比较；9、Dunnett法：常用于多个实验组与一个对照组间的比较，因此使用此法时，应当指定对照组；10、S-N-K法：它是根据预先制定的准则将各组均数分为多个子集，然后利用Studentized Range分布进行假设检验，并根据均数的个数调整总的犯一类错误的概率不超过α；11、Tukey法：这种方法要求各组样本容量相同，它也是利用Studentized Range分布进行各组均数间的比较，与S-N-K法不同，它是控制所有比较中最大的一类错误（即甲类错误）的概率不超过α；12、Duncan法：思路与S-N-K法相似，只不过检验统计量服从的是Duncan′s MultipleRange分布；13、还需注意的是，SPSS同时给出了方差不齐性时的4种检验方法，但从接受程度和稳定性看，方差不齐性时尽量不做多重比较。
解决湍流的模型总计就是那几个方程，Fluent又从工程和数值的角度进行了整理，下面就是这些湍流模型的详细说明。
FLUENT 提供了以下湍流模型：·Spalart-Allmaras 模型·k-e 模型－标准k-e 模型－Renormalization-group (RNG) k-e模型－带旋流修正k-e模型·k-ω模型－标准k-ω模型－压力修正k-ω模型雷诺兹压力模型大漩涡模拟模型几个湍流模型的比较：从计算的角度看Spalart-Allmaras模型在FLUENT中是最经济的湍流模型，虽然只有一种方程可以解。
由于要解额外的方程，标准k -e 模型比Spalart-Allmaras 模型耗费更多的计算机资源。
带旋流修正的k -e 模型比标准k -e 模型稍微多一点。
由于控制方程中额外的功能和非线性，RNG k -e 模型比标准k -e 模型多消耗10～15%的CPU 时间。
就像k -e 模型，k -ω模型也是两个方程的模型，所以计算时间相同。
比较一下k -e 模型和k -ω模型，RSM 模型因为考虑了雷诺压力而需要更多的CPU 时间。
然而高效的程序大大的节约了CPU 时间。
RSM 模型比k -e 模型和k -ω模型要多耗费50～60%的CPU 时间，还有15～20%的内存。
除了时间，湍流模型的选择也影响FLUENT 的计算。
比如标准k -e 模型是专为轻微的扩散设计的，然而RNG k -e 模型是为高张力引起的湍流粘度降低而设计的。
这就是RNG 模型的缺点。
同样的，RSM 模型需要比k -e 模型和k -ω模型更多的时间因为它要联合雷诺压力和层流。
概念：1.雷诺平均：在雷诺平均中，在瞬态N-S 方程中要求的变量已经分解位时均常量和变量。
相似的，像压力和其它的标量)22.10('-+= i i i φφφ这里 表示一个标量如压力，动能，或粒子浓度。
2.Boussinesq逼近从雷诺压力转化模型：利用Boussinesq假设把雷诺压力和平均速度梯度联系起来：Boussinesq假设使用在Spalart-Allmaras模型、k-e模型和k-ω模型中。
