<aside> <img src="/icons/condense_yellow.svg" alt="/icons/condense_yellow.svg" width="40px" /> Python | 流体 | 数据 | 统计 | 数学 | 拟合 | 模型 | 算法 | 曲线 | 回归 | 预测 | 水位 | 绘图 | 湿度 | 湿度 | 三维 | 二维 | 非线性 | 平稳性 | 趋势 | 季节性 | 周期性 | 序列 | 时间 | 分量 | 误差 | 显着性测试 | 方差 | 估计 | 曼宁方程 | 明渠 | 流体动力 | 矩形 | 三角形 | 圆形 | 偏微分 | 方程 | 粗糙 | 坡度 | 有限体积 | 浅水 | 渗流 | 平流 | 畜水层 | 压力 | 速度 | 网格

</aside>

🎯要点

1. 流体数据统计模型：
   1. 🎯曲线拟合和回归模型预测水流：🖊建立流量水位回归模型，模型拟合，绘制结果，🖊以为水位相对湿度的函数，建立多线性回归模型，绘制三维结果。🖊以水位，水位和相对湿度乘积的函数，建立非线性回归模型，绘制三维结果。
   2. 🎯平稳性、趋势、季节性和周期性数据序列分析：🖊时间戳的水流数据分解为趋势和季节性分量，使用增强迪基富勒测试水流数据平稳性，绘制二维趋势图，🖊建立水流自回归、自回归移动平均线、自回归综合移动平均线和简单指数平滑模型，使用增强迪基富勒测试测试平稳性，均方根误差量化预测误差，绘制二维趋势图评估有效性。
   3. 🎯显着性测试两处水文流量差异方法：🖊单因素和双因素方差分析，🖊t-测试，F-测试，柯尔莫哥洛夫-斯米尔诺夫检验，曼惠特尼测试。
   4. 🎯估计不确定性：🖊非特定分布区间下，估计可能水文下降的范围，🖊自举置信区间估计，生成可替换多重采样水文，🖊对称置信区间估计一维水流，🖊分位数非参数置信区间估计和预测水文范围，🖊分位数回归推理和绘图检测水文超出指定分位数的异常值，🖊蒙特卡罗不确定性传播模拟曼宁方程，估计流体动力明渠中的流速，绘制二维图示。
2. 流体模型：
   1. 🎯模拟矩形、三角形、圆形通道运动学波动偏微分方程：🖊设置库朗弗里德里希-路易条件，定义粗糙系数，坡度，降雨量或侧向流入量，流入时间，绘制排放量趋势图。
   2. 🎯二维浅水方程偏微分方程：🖊有限体积法模拟溃坝，绘制三维流图。
   3. 🎯多孔介质水力传导率及其梯度关联模型：🖊有限体积法模拟，计算压力条件下流体网格，设置狄利克雷边界条件，创建线性求解器，绘制压力和流速趋势图。
   4. 🎯畜水层水流及分布预测模型：🖊有限体积法模拟多孔介质流的数学模型，绘制三维流域图。
   5. 🎯平流传输模型：🖊纳维-斯托克斯方程二维模拟，软件生成网格元素，代码设置边界条件，指定流体运动粘度和密度，绘制二维动画结果。

梗概

https://embed.notionlytics.com/wt/ZXlKM2IzSnJjM0JoWTJWVWNtRmphMlZ5U1dRaU9pSlhiRWhvWlV4VVQxbHNjMlZYV2tKbU9URndaU0lzSW5CaFoyVkpaQ0k2SW1ReFpUUXhNREF5Tnprd1l6Um1ORGM0WWpNNU1XVXlPV1UwTVdFeVpqY3pJbjA9