MAE 115 APPLIED ENGINEERING THERMODYNAMICS 2024Python

最新推荐文章于 2024-10-07 01:36:35 发布
最新推荐文章于 2024-10-07 01:36:35 发布
阅读量560 收藏 15
点赞数 12
文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/great65c/article/details/140232086
版权

Java Python MAE 115

APPLIED ENGINEERING THERMODYNAMICS

2024 

Week

Subject

Readings

Problem Set

(1) Jun 24

0.0 Introduction 1.0 Review

1.1 Thermodynamic Rules

1.2 Properties of Pure Substances 1.2.1 Pure Substances

1.2.2 Property Tables

1.2.3 Ideal Gas Equation of State

1.2.4. Computational Methods 1.3 Thermodynamic Equations

1.3.1 First Law for a Closed System 1.3.2 First Law for an Open System 1.3.3 Second Law

1.3.4 Entropy 1.4 Gas Mixtures

1.4.1 Mixture Composition 1.4.2 P-v-T Relationships

1.4.3 Thermodynamic Properties

 

 

 

 

3.1 thru 3.4 3.5

3.6 thru 3.7

 

All of 4 All of 5 All of 6 All of 7

13.1 13.2 13.3

 

(2) Jul 1

2.0 Power Cycles

2.1 Gas Power Cycles 2.1.1 Otto Cycle

2.1.2 Diesel Cycles

 

9.1 thru 9.4 9.5

9.6

#1

(3) Jul 8

2.1.3 Stirling & Ericsson Cycles 2.1.4 Brayton Cycle

2.1.5 Brayton Cycle with Regeneration 2.1.6 Brayton Cycle Variants

2.1.7 Brayton Cycle and Jet Propulsion

9.7   9.8   9.9   9.10 9.11

#2

(4) Jul 15

2.2 Vapor Power Cycles

2.2.1 Rankine Cycle: Simple

2.2.2 Rankine Cycle: Superheat 2.2.3 Rankine Cycle: Reheat

2.2.4 Rankine Cycle: Regenerative

10.1

10.2 thru 10.3

10.4 10.5 10.6

#3

(5) Jul 22

2.3 Combined Cycles

 

*EXAM #1 Review

[EXAM #1: Thursday, July 25, Lectures 1.0 – 2.2.4]

10.9

#4

(6) Jul 29

3.0 Refrigeration Cycles

3.1 Refrigeration/Heat Pump

3.1.1 Vapor/Refrigeration

3.1.2 Refrigerant Properties 3.1.3 Heat Pump

11.1 thru 11.2 11.3 thru 11.4 11.5

11.6 11,8

#5

(7) Aug 5                               3.1.4 Unique Refrigeration Systems                      11.7                            #6

                                  &n MAE 115 APPLIED ENGINEERING THERMODYNAMICS 2024Python bsp;      3.1.5 Gas Refrigeration Cycles                                   11.9

3.1.6 Absorption Chilling

3.2 Psychrometrics                                                       Chapter 14

4.0 Thermodynamic Properties                                       12.1 thru 12.2

4.1 Maxwell Relations                                                     12.4

4.2 General Relations                                                     12.5

4.3 Joule-Thomson Coefficient 

(8) Aug 12

5.0 Reacting Systems

5.1 Fuels and Combustion  5.2 Conservation of Energy

*EXAM #2 Review

[EXAM #2: Thursday, August 15, Lectures 2.3 – 3.1.6]

15.1 thru 15.3

#7

(9) Aug 19

5.3 Adiabatic Flame Temperature 5.4 Chemical Equilibrium

15.4 15.5

16.1 thru 16.5

#8

(10) Aug 26                 6.0 Renewable and Sustainable Generation                                           #9

6.1 Solar

6.2 Wind

6.3 Nuclear

[EXAM #3: TBA, Lectures 4.0 – 6.0]

1.    Instructors:                 Robert Flores:robertjf@uci.edu 

                                       Safiullah: safiull@uci.edu

2.    Office Hours:             Thurs: 11a,-12noon, EG4211

3.    Discussion Sections: Tuesday, 11:00 – 11:50am, RH 108

4.    Textbook: No textbook is required. Readings are taken from Cengel and Boles, Thermodynamics: An Engineering Approach, 5th  Edition, McGraw-Hill, 2006. Any 5th  edition or newer can be used

as a class supplement.

5.    Course Website:https://canvas.eee.uci.edu/courses/47304

6.    Examinations:    EXAM #1: Thursday, 9:30-10:20am, July 25, Lectures 1.0 – 2.2.4

EXAM #2: Thursday, 9:30-10:20am, August 15, Lectures 2.4 - 4.1.6 EXAM #3: Friday, Time TBD, Aug 26, Lectures 4.0 – 6.2

Open note, open book. Additional data provided on board upon request

7.    Quizzes: Held periodically during lecture using the Canvas quiz feature. Unless previously cleared with the instructors, students must be in class to participate in the quiz.

8.    Homework/Problem Set: Problem sets are to be turned into the appropriate Canvas website

dropbox by the Friday, 11:59pm on the week that it is assigned. Submit PDF documents only.  Name each homework submission with the homework number and your ID number as follows: HW#_ID#.pdf. No late submissions accepted. Please limit file size to 5MB or smaller.

a.    Homework Format: Follow the format in the handout & described in the Discussion

Section.  Typed solutions or extremely neat & legible penmanship are required.  Discuss each odd-numbered problem.  Cut and paste, and discuss one news article on a topic

relevant to thermodynamics in every assignment

b.    Homework Grading: Each attempted problem is worth one point. A single random problem will be selected for detailed grading and will be worth up to 10 points.

c.    News Article: Find an article related to thermodynamics and topics discussed in class

9. 

Course Grading:

Problem Sets

Examination #1 Examination #2

15

25

25

                                       Quizzes                               10 (attendance & participation)

Total                                  100

10.  Course Objectives: 

Thermodynamics:                                   Problem Solving:                                         Professional Qualities:

•    Principles:  First Law, Second Law      •    Presentation Quality                                       •Communication

•   Conceptual Understanding                  •    Deductive, Intuitive Reasoning                       •Documentation 

•    Practical Engineering Systems            •   Accuracy (Units, Quality Control)                    •Ethics & Responsibility       

11. Academic Honesty:

Students are required to review documents regarding academic honesty and ethics at

http://honesty.uci.edu/students.html         

great65c
关注
python-mt5-maemfe:用于从MT5终端跟踪MAE和MFE的Python脚本
03-25
Python-MT5-MAE-MFE 是一个专门为交易者和金融分析师设计的Python脚本库，其主要目的是从MetaTrader 5（MT5）交易平台获取数据并计算平均盈利点（MFE，Maximum Favorable Exposure）和平均损失点（MAE，Maximum ...
python之MSE、MAE、RMSE的使用
12-20
Python代码中通过 `sum(absError) / len(absError)` 计算MAE。 3. 均方根误差（Root Mean Squared Error, RMSE） 均方根误差是MSE的平方根，它同样反映了预测值与真实值之间的偏差，但其单位与原始数据单位相同。...
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#4Python
tolitdeniay的博客
08-16 264
MAE 115。
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#8Python
solitudey6t的博客
08-19 328
22oooooF。
MAE 115 Applied Engineering Thermodynamics 2023 Examination #3Python
tttr33oyr的博客
08-22 586
ConceptualShortAnswer(30points):oF)(PSIa)(CO23364202R-71727016430R1243zf218.8040R-134a2145891430R410A160.41922088(20points):Stateh(kJ/kg)StateT(K)125152932258657032950714004203087609550。
MAE 115 Applied Engineering Thermodynamics 2023 Examination #2Python
siration7t的博客
08-24 671
ConceptualShortAnswer(20points):ηth,otto >ηth,Diesel(25points):(30points):DieselProblem(25points):a.b.c.d.e.f.
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#3
solitudey3t的博客
08-17 1701
Java Python APPLIED ENGINEERING THERMODYNAMICSMAE 1151. Consider an ideal Ericsson cycle with air as the working fluid executed in a steady-flow system. Air is at 27°C and 120 kPa at the beginning of the isothermal compression process, during which 150 kJ/
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#7
solitudey6t的博客
08-17 841
b。
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#2
tolitdeniay的博客
08-15 874
Java Python APPLIED ENGINEERING THERMODYNAMICSMAE 1151. What does the area enclosed by the cycle represent on a P-v diagram? How about on a T-s diagram?2. Someone has suggested that the air-standard Otto cycle is more accurate if the two isentropic pro
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#6R
solitudey3t的博客
08-17 601
Explain.Why?
MAE 115 APPLIED ENGINEERING THERMODYNAMICS Hw#1SQL
tolitdeniay的博客
08-15 789
Why?b。
回归评价指标MSE、RMSE、MAE、MAPE及python实现
08-15
回归评价指标MSE、RMSE、MAE、MAPE及python实现
Python3 解释器
Java_fenxiang的博客
10-05 321
Linux/Unix的系统上，一般默认的 python 版本为 2.x，我们可以将 python3.x 安装在/usr/local/python3目录中。安装完成后，我们可以将路径/usr/local/python3/bin添加到您的 Linux/Unix 操作系统的环境变量中，这样您就可以通过 shell 终端输...
task【XTuner微调个人小助手认知】
最新发布
m0_53291740的博客
10-07 696
下面我们将根据项目的需求一步步的进行修改和调整吧！在 PART 1 的部分，由于我们不再需要在 HuggingFace 上自动下载模型，因此我们先要更换模型的路径以及数据集的路径为我们本地的路径。为了训练过程中能够实时观察到模型的变化情况，XTuner 贴心的推出了一个。
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
haidizym的博客
10-02 500
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1343
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Mopes__的博客
10-01 430
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Python编写的贪吃蛇小游戏
WwLK123的博客
10-03 475
Python编写贪吃蛇小游戏。
mae,rmse，mape的python计算
06-28
### 回答1： Mae, RMSE和MAPE是常用的评估模型预测准确性的指标，它们的Python计算方法如下： 1. Mae（平均绝对误差）： ```python from sklearn.metrics import mean_absolute_error y_true = [1, 2, 3, 4, 5] y_pred = [1.5, 2.5, 3.5, 4.5, 5.5] mae = mean_absolute_error(y_true, y_pred) print("Mae:", mae) ``` 输出结果为：Mae: .5 2. RMSE（均方根误差）： ```python from sklearn.metrics import mean_squared_error y_true = [1, 2, 3, 4, 5] y_pred = [1.5, 2.5, 3.5, 4.5, 5.5] rmse = mean_squared_error(y_true, y_pred, squared=False) print("RMSE:", rmse) ``` 输出结果为：RMSE: .5 3. MAPE（平均绝对百分比误差）： ```python import numpy as np y_true = np.array([1, 2, 3, 4, 5]) y_pred = np.array([1.5, 2.5, 3.5, 4.5, 5.5]) mape = np.mean(np.abs((y_true - y_pred) / y_true)) * 100 print("MAPE:", mape) ``` 输出结果为：MAPE: 10. ### 回答2： MAE，即Mean Absolute Error，是用来衡量预测值与真实值间差距程度的指标。它的计算方法为：将每一个预测值与其对应的真实值之差绝对值相加，然后取所有差值的平均值。在Python中，可以使用sklearn库的mean_absolute_error函数来计算MAE值。 RMSE，即Root Mean Square Error，是衡量预测值与真实值之间的距离的一种指标，是MAE的平方根。RMSE值越小，表示预测值与真实值之间的距离越近。在Python中，可以使用numpy库中的sqrt函数先计算平均误差的平方再取平方根来计算RMSE值。 MAPE，即Mean Absolute Percentage Error，是衡量预测值与真实值之间百分比误差的一种指标，是对预测模型的评估指标之一。它的计算方法为：将每个样本的绝对误差除以真实值，再将这些相对误差加和取平均值。在Python中，可以使用numpy库中的mean函数来计算各样本百分比误差的平均值。需要注意的是，MAPE中分母不能为0。 以上是三种最常用的模型评估指标，其Python计算方式简单方便，在建模评估时非常实用。当然，对于不同的数据集和模型，需要根据具体情况选择合适的评估指标及相应的计算方法。 ### 回答3： Mae，RMSE，MAPE是评估回归模型表现常用的指标。下面将介绍如何用Python计算它们。 1. Mae Mae（Mean Absolute Error）是预测值与真实值之间绝对误差的平均值，用于评估模型平均预测误差的大小。 计算方法： 首先，需要准备好真实值y_true和预测值y_pred，然后按照下面的公式计算Mae。 ```python from sklearn.metrics import mean_absolute_error mae = mean_absolute_error(y_true, y_pred) # y_true为真实值，y_pred为预测值 ``` 2. RMSE RMSE（Root Mean Squared Error）是将预测值和真实值之间的差值平方的平均值求平方根。RMSE比Mae更加重视较大误差的影响，常用于评估模型在各个数据点上的表现。 计算方法： 同样需要引入sklearn.metrics中的均方根误差方法，对应参数为y_true和y_pred。 ```python from sklearn.metrics import mean_squared_error rmse = mean_squared_error(y_true, y_pred) ** 0.5 ``` 3. MAPE MAPE（Mean Absolute Percentage Error）是预测值与真实值之间的绝对误差占真实值的比例的平均值，是衡量预测性能的指标。 计算方法： 实现MAPE的方法需要除以真实值，在此需要特别注意可能会出现被真实值为0的数值做除数的情况，所以要控制好数据。引入相关计算库numpy，对数组进行操作。 ```python import numpy as np mape = np.mean(np.abs((y_true - y_pred) / y_true)) * 100 ``` 以上三种方法能很好地衡量预测值与实际值之间的误差大小和趋势，针对不同的问题场景，适当选用相应的指标可以更加准确地评估模型的表现。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值