Previous research results are revie

Previous research results are reviewed and used to derive a new set of analytical formulas for predicting concentration fluctuations in smoke plumes. The meandering plume approach and the internal plume approach are compared. Some simple models are tested with field and laboratory data sets, showing that several aspects of the data (e.g. the concentration fluctuations on the plume axis) are reasonably wellsimulated. However, there is much room for improvement, since the models have some fundamental disagreements and much more testing with data should take place. In particular, a good knowledge of the Lagrangian time scale is essential for predicting concentration fluctuations.

ผลลัพธ์ (ไทย) 1:

ผลการวิจัยก่อนหน้านี้ทาน และใช้มาวิเคราะห์สูตรสำหรับคาดการณ์ความผันผวนของความเข้มข้นในควันเบิ้ลพลูมชุดใหม่ เทียบวิธีเบิ้ลพลูมคดเคี้ยวและวิธีเบิ้ลพลูมภายใน ทดสอบกับฟิลด์และห้องปฏิบัติการชุดข้อมูล แสดงที่หลายรูปแบบบางอย่างของข้อมูล (เช่น เปลี่ยนแปลงความเข้มข้นบนแกนเบิ้ลพลูม) มีสม wellsimulated อย่างไรก็ตาม มีห้องมากสำหรับการปรับปรุง ตั้งแต่รุ่นมีความขัดแย้งบางพื้นฐาน และทดสอบกับข้อมูลมากควรทำการ โดยเฉพาะ ความรู้สเกลเวลา Lagrangian เป็นสิ่งจำเป็นสำหรับการคาดการณ์ความผันผวนของความเข้มข้น

ผลลัพธ์ (ไทย) 2:

ผลการวิจัยก่อนหน้านี้มีการทบทวนและนำมาใช้เพื่อให้ได้ชุดใหม่ของสูตรการวิเคราะห์การทำนายความผันผวนของความเข้มข้นของควันในขนนก วิธีการขนนกคดเคี้ยวและวิธีการขนนกภายในเมื่อเทียบ บางรุ่นจะมีการทดสอบอย่างง่ายกับสนามและห้องปฏิบัติการชุดข้อมูลแสดงให้เห็นว่าหลายแง่มุมของข้อมูล (เช่นความผันผวนของความเข้มข้นบนแกนขนนก) จะ wellsimulated พอสมควร แต่มีห้องพักมากสำหรับการปรับปรุงตั้งแต่รุ่นที่มีความขัดแย้งพื้นฐานบางอย่างและการทดสอบมากขึ้นด้วยข้อมูลที่ควรจะเกิดขึ้น โดยเฉพาะอย่างยิ่งความรู้ที่ดีของขนาดเวลาที่ลากรองจ์เป็นสิ่งจำเป็นสำหรับการคาดการณ์ความผันผวนของความเข้มข้น

ผลลัพธ์ (ไทย) 3:

ผลการศึกษาก่อนหน้านี้จะถูกตรวจสอบ และใช้ในการสร้างชุดใหม่ของสูตรวิเคราะห์ทำนายความเข้มข้นในขนนกของควัน แนวทางและวิธีการคดเคี้ยวขนนกขนนกภายในมาเปรียบเทียบ บางรุ่นง่ายทดสอบกับสนามและห้องปฏิบัติการชุดข้อมูลแสดงให้เห็นว่าหลายแง่มุมของข้อมูล ( เช่นความเข้มข้นของบนขนนกแกน ) เหตุผลที่ wellsimulated . อย่างไรก็ตาม มีห้องพักมากในการปรับปรุง ตั้งแต่รุ่นมีพื้นฐานความขัดแย้งและการทดสอบมากขึ้นด้วยข้อมูลที่ควรเกิดขึ้น โดยเฉพาะความรู้ของลากรางเจียนระดับเวลาเป็นสิ่งจำเป็นสำหรับการคาดการณ์ความผันผวนของความเข้มข้น