1) chance function
机会函数
2) mechanism function
机理函数
1.
The thermal decomposition process of SD-33 bonder is studied by the DSC-TG curves with the rate of heating being 5 K/min,10 K/min,and 20 K/min respectively and the temperature range of 20～550℃,the thermal decomposition kinetics parameter and the mechanism function of SD-33 bonder are obtained by Coats-(Redfern) method.
根据SD-33粘结剂在升温速率分别为5、10、20 K/m in时的DSC-TG曲线,在20~550℃温度范围对SD-33粘结剂的热分解过程进行了研究,用Coats-R ed fern方法获得SD-33粘结剂的热分解动力学参数和机理函数。
2.
The thermal decomposition kinetic parameters and the mechanism function of F_(2314) bonder are obtained by Coats-Redfern method.
根据F2314黏结剂在升温速率分别为5,10,20K/m in时的DSC-TG曲线,在20~500℃温度范围内对F2314黏结剂的热分解过程进行了研究,用Coats-R ed fern方法获得F2314黏结剂的热分解动力学参数和机理函数。
3.
The most probable mechanism functions were suggested by comparing the kinetic parameters.
用差示扫描量热(DSC)法研究了两种溴化重稀土丙氨酸配合物的非等温热分解过程,用Ozawa法和Kissinger法计算了配合物的热分解动力学参数(E和A),用Achar微分法和Coats-Redfern积分法相结合推断出升温速率为10℃/min时,配合物热分解反应第1步和第2步的机理函数均为F2,其热分解动力学方程为dα/dt=A/β。
3) stochastic function
随机函数
1.
This method is based on the virtual reality technology and fractal theory, and uses the stochastic function to improve the regular three branch tree algorithm.
本文以虚拟现实技术和分形理论为依据 ,对原有正三叉树算法提出了改进方法 ,利用随机函数来生成不同形态的
2.
Since the microstructures of composite materials have the inhomogeneity, so thattheir elastic moduli and density become the stochastic functions of coordinate x_1, and thus thestatistical nonlinearity is appeared.
复合材料因其细观组织的非均匀性,导致弹性模量和密度均为坐标的随机函数,从而出现数学上难解的非线性。
4) random function
随机函数
1.
The integrability of e~(λ|F|~2) for random function F;
随机函数F的e~(λ|F|~2)的可积性
2.
Research on random function model of strong ground motion(Ⅱ):parametric statistic and model certification
地震动随机函数模型研究(Ⅱ)——参数统计与模型验证
3.
Research on random function model of strong ground motion(Ⅰ):model constructing
地震动随机函数模型研究(Ⅰ)——模型建立
5) random functions
随机函数
1.
Using random functions of C++ simulate random emerging objects to find the solution of a question concerning events which have equivalent probability distribution or not equivalent probability distribution.
使用C++提供的随机函数模拟按一定概率随机出现的对象,结合一些数据结构可以处理与等概率、不等概率事件有关的问题。
6) function mechanisms
函数机构
补充资料：高斯函数模拟斯莱特函数
尽管斯莱特函数作为基函数在原子和分子的自洽场（SCF）计算中表现良好，但在较大分子的SCF计算中，多中心双电子积分计算极为复杂和耗时。使用高斯函数(GTO)则可使计算大大简化,但高斯函数远不如斯莱特函数(STO)更接近原子轨道的真实图象。为了兼具两者之优点，避两者之短,考虑到高斯函数是完备函数集合,可将STO向GTO展开：
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条