原子弹爆炸的能量估计

  • 基本想法
  • 量纲分析法
    • eg.单摆运动
      • Pi定理
  • 原子弹爆炸能量估计的量纲分析方法建模
    • 泰勒的计算(取对数)
    • 最小二乘法拟合r=at^b^

基本想法

冲击波的爆炸由“蘑菇云”反映出来,“蘑菇云”越大,扩散速度越快,能量越大。

假设:爆炸产生的冲击波以爆炸点为中心呈球面向四周传播,爆炸的能量越大,在一定时刻冲击波传播的越远。

泰勒测量:时刻t所对应的“蘑菇云” 的半径r
泰勒用量纲分析法建立数学模型,辅以小型试验,又利用测量数据对爆炸的能量进行估计。

量纲分析法

量纲齐次原则

动力学中基本量纲 导出量纲
长度l的量纲L[l] 速度v的量纲[v]=LT-1
质量m的量纲M[m] 加速度a的量纲[a]=LT-2
时间t的量纲T[t] 力f的量纲[f]=LMT-2

引力常数k的量纲[k] (f=km1m2r2f=k\frac{m_1m_2}{r^2}f=kr2m1​m2​​)
[k]=[f][l]2[m]−2=L3M−1T−2[k]=[f][l]^2[m]^{-2}=L^3M^{-1}T^{-2}[k]=[f][l]2[m]−2=L3M−1T−2
对无量纲量 α,α=1(=L0M0T0)

eg.单摆运动

求摆动周期的表达式
设物理量t,m,l,g之间有关系式,t=λmα1lα2ga3(1)t=λm^{α_1}l^{α_2}g^{a_3}\quad(1)t=λmα1​lα2​ga3​(1)
α1,α2,α3为待定系数,λ为无量纲量α_1,α_2,α_3为待定系数,λ为无量纲量α1​,α2​,α3​为待定系数,λ为无量纲量
(1)的量纲表达式[t]=[m]α1[l]α2[g]α3(1)的量纲表达式[t]=[m]^{α_1}[l]^{α_2}[g]^{α_3}(1)的量纲表达式[t]=[m]α1​[l]α2​[g]α3​
推导出T=Mα1Lα2+α3T−2α3T=M^{α_1}L^{α_2+α_3}T^{-2α_3}T=Mα1​Lα2​+α3​T−2α3​

Pi定理

设f(q1,q2,...,qm)=0设f(q_1,q_2,...,q_m)=0设f(q1​,q2​,...,qm​)=0
是与量纲单位无关的物理定律,X1,X2,...Xn是基本量纲,n≤m,q1,q2,...qm的量纲可表为[qj]=∏i=1nXiaij,j=1,2,...,m是与量纲单位无关的物理定律,X_1,X_2,...X_n是基本量纲,n≤m,q_1,q_2,...q_m的量纲可表为[q_j]= \prod_{i=1}^nX_i^{a_{ij}},j=1,2,...,m是与量纲单位无关的物理定律,X1​,X2​,...Xn​是基本量纲,n≤m,q1​,q2​,...qm​的量纲可表为[qj​]=∏i=1n​Xiaij​​,j=1,2,...,m
量纲矩阵记作A={aij}n×m,若rankA=r量纲矩阵记作A=\{a_{ij}\}_{n×m},若rankA=r量纲矩阵记作A={aij​}n×m​,若rankA=r
线性齐次方程组有Ay=0有m−r个基本解,线性齐次方程组有Ay=0有m-r个基本解,线性齐次方程组有Ay=0有m−r个基本解,
记作ys=(ys1,ys2,...,ysm)T,s=1,2,...,m−r记作y_s=(y_{s1},y_{s2},...,y_{sm})^T,s=1,2,...,m-r记作ys​=(ys1​,ys2​,...,ysm​)T,s=1,2,...,m−r
则πs=∏j=1mqjyj(s)为m−r个无量纲的量,且则π_s=\prod_{j=1}^mq_j^{y_j(s)}为m-r个无量纲的量,且则πs​=∏j=1m​qjyj​(s)​为m−r个无量纲的量,且
F(π1,π2,...,πm−r)=0与f(q1,q2,...,qm)=0等价,F未定F(π_1,π_2,...,π_{m-r})=0与f(q_1,q_2,...,q_m)=0等价,F未定F(π1​,π2​,...,πm−r​)=0与f(q1​,q2​,...,qm​)=0等价,F未定

原子弹爆炸能量估计的量纲分析方法建模

记爆炸能量为E,将“蘑菇云”近似看成一个球形,
时刻t球的半径为r
思考:r与哪些因素有关?
回答:t,E,空气密度ρ,大气压强P
得出r=φ(t,E,ρ,P)r=φ(t,E,ρ,P)r=φ(t,E,ρ,P)
进而有f(r,t,E,ρ,P)=0f(r,t,E,ρ,P)=0f(r,t,E,ρ,P)=0
基本量纲:L,M,TL,M,TL,M,T
量纲矩阵是

RankA=3导出Ay=0,y=(y1,y2,y3,y4,y5)T有2个基本解Rank A=3导出Ay=0,y=(y_1,y_2,y_3,y_4,y_5)^T有2个基本解RankA=3导出Ay=0,y=(y1​,y2​,y3​,y4​,y5​)T有2个基本解

得出
由于时间t非常短,能量非常大
借助小型爆炸数据确定λ≈1

空气密度ρ=1.25(kg/m3),用r,t的实际数据取平均,得出E=8.2825×1013(焦耳)。因为1千吨TNT炸药的能量是4.184×1012焦耳,可得爆炸的能量为E=19.7957(千吨)。

泰勒的计算(取对数)

r=(t2Eρ)15→log10r=25log10t+12log10(Eρ)→令y=c=12log10(Eρ)→y=52log10r−log10(t)r=(\frac{t^2E}{ρ})^{\frac{1}{5}}→log_{10}r=\frac{2}{5}log_{10}t+\frac{1}{2}log_{10}(\frac{E}{ρ})→令y=c=\frac{1}{2}log_{10}(\frac{E}{ρ})→y=\frac{5}{2}log_{10}r-log_{10}(t)r=(ρt2E​)51​→log10​r=52​log10​t+21​log10​(ρE​)→令y=c=21​log10​(ρE​)→y=25​log10​r−log10​(t)
取y平均值得c=6.9038取y平均值得c=6.9038取y平均值得c=6.9038
因此E=8.0276×1013(焦耳)即19.2吨因此E=8.0276×10^{13}(焦耳)即19.2吨因此E=8.0276×1013(焦耳)即19.2吨

最小二乘法拟合r=atb

b=0.4058与2/5非常接近

代数方程与差分方程模型(二):原子弹爆炸的能量估计相关推荐

  1. 差分方程模型(二):蛛网模型

    差分方程模型系列博文: 差分方程模型(一):模型介绍与Z变换 差分方程模型(二):蛛网模型 差分方程模型(三): 预测商品销售量 差分方程模型(四):遗传模型 目录 1 问题提出 2 模型假设:供应函 ...

  2. 代数方程与差分方程模型

    代数方程与差分方程模型 原创tianguiyuyu 发布于2018-05-29 23:13:18 阅读数 1149  收藏 展开 1  代数方程模型. 所谓的代数方程模型就是有一边变量表示未知量, 代 ...

  3. 差分方程模型(一):模型介绍与Z变换

    差分方程模型系列: 差分方程模型(一):模型介绍与Z变换 差分方程模型(二):蛛网模型 差分方程模型(三): 预测商品销售量 差分方程模型(四):遗传模型 差分方程是包含未知函数的差分及自变数的方程. ...

  4. 量纲分析-破解原子弹爆炸能量的利器

    1945年7月16日上午5:30,美国的第一颗原子弹在新墨西哥州的沙漠中试爆成功,这颗原子弹的威力,爆炸当量大约2万吨TNT炸弹.由于当时美国对原子弹武器的细节都是绝对保密的,因此试爆后测的的各种数据 ...

  5. 差分方程matlab实验报告,实验二微分方程与差分方程模型Matlab求解

    实验二微分方程与差分方程模型Matlab求解 实验二: 微分方程与差分方程模型Matlab求解 一.实验目的 [1] 掌握解析.数值解法,并学会用图形观察解的形态和进行解的定性分析: [2] 熟悉MA ...

  6. matlab差分方程和微分方程,实验二微分方程与差分方程模型matlab求解

    实验二微分方程与差分方程模型matlab求解 实验二: 微分方程与差分方程模型 Matlab 求解一.实验目的[1] 掌握解析.数值解法,并学会用图形观察解的形态和进行解的定性分析:[2] 熟悉 MA ...

  7. Django模型(二)

    Django模型(二) 文章目录 Django模型(二) 一.字段查询 1.查看mysql数据库日志 二.条件运算符 1.查询等 2.模糊查询 3.空查询 4. 范围查询 5. 比较查询 6).日期查 ...

  8. Linux设备驱动模型二 kobject

    Linux设备驱动模型二 kobject 1 kobject 1.1 kobject数据结构 kobject是sysfs文件系统的基础数据结构,它定义在include/linux/kobjec.h中 ...

  9. 沐风微信营销水库模型二:建设专属秘密武器库!

    标沐风微信营销水库模型二:建设专属秘密武器库!题 在企业微信生态营销中,经常困扰我们的两大问题: 第一.缺少人气.如何快速聚集人气,我将在后续的文章水库理论第三步--引流,会做具体的介绍.在引入人气之 ...

最新文章

  1. linux 进入单用户模式修改root密码
  2. 编译包含Google Play服务App的SDK版本问题
  3. python if语句多个条件-python if条件判断语句
  4. 【译】How Microsoft Lost the API War
  5. python之路day9_亮仔的Python之路Day9——Python知识体系重组
  6. jQuery的三种bind/One/Live/On事件绑定使用方法
  7. 刷脸考勤,重新定位校园管理
  8. android百度多渠道打包,Android多渠道打包方案的实践与优化
  9. 导入自己写的类,却被标红,原因及解决方法是?(Pycharm编辑器为例)
  10. mysql 视图 过程 函数_MySQL视图,函数,触发器,存储过程
  11. 【新春特辑】发压岁钱、看贺岁片、AI写春联……华为云社区给大家拜年了
  12. linux底层文件io,学习Rust 文件与 IO
  13. 神经网络预测python_bp神经网络预测python
  14. MATLAB与STK互联17:卫星对象操作(8)—地面站可见性计算并获取数据
  15. 对称与非对称加密算法总结
  16. 电子电路基础 (12)——功率放大电路原理分析
  17. python 拼音 英文识别_识别同音字词pypinyin, 分词 jieba
  18. URP——后期处理特效——通道混合器Channel Mixer
  19. Matplotlib 箱线图
  20. ZYNQ学习之旅--PS_AXI_VDMA(利用VDMA实现将PS端的数据显示在PL端的HDMI上)

热门文章

  1. Python raw格式图像转png格式
  2. 电脑风扇控制软件-全网最全教程+下载链接
  3. linux cdc设备驱动,kernel linux 3.5使用USB CDC ACM驱动
  4. postgresql存储过程基本语法
  5. iOS--RAC常见用法(一)
  6. 学习OceanBase|OB-ODBC 驱动和 MySQL 官方 MySQL-ODBC 驱动的使用说明和配置方法
  7. Linux卸载雷鸟邮件客户端,Thunderbird
  8. Swift 解析 JSON
  9. 个人介绍主页制作简单的(html css js)
  10. Discuz UCenter Server功能解析