趣味で計算流砂水理

趣味で計算流砂水理 Computational Sediment Hydraulics for Fun Learning

数値計算とか河川工学とかプログラミングのことを書いています

MENU

2次元ダムブレーク

2次元ダムブレーク

私も書いてみました.

  • up-wind flux schemeです.
  • jupyterです.計算時間は20秒で15分くらいです.gif作成のために200コマ書き出しているので,それが計算が遅くなる原因です.
  • 1Dは,jupyterでgifを表示していましたが,上手くいかないので静止画書き出し後別ソフトで結合してます.
  • 1Dと同様に完全反射境界にしております.

f:id:SedimentHydraulics:20161019191604p:plainf:id:SedimentHydraulics:20161019191611p:plain

  • 振動は無いのですが,水面が不安定です.多分どこか間違ってます.

  • gifをあげたいのですが,重くて駄目です.

  • gifはDBにおいておきます.結構凄いですよ.ぜひ見て下さい.

  • 完成したらgistに上げますがちょっとまだですね.

  • ちなみにドライベットだと飛びます.

Jupyter Hydraulics

ついにGithubを立ち上げました

いまいち使い方をわかっておりません. 最近はJupyterばかりなので,「Jupyter Hydraulics」と題して,ソースをGistにあげようかと思ってます.アカウント情報はDBに置いておきます.やり過ぎていたら止めて下さい.

とりあえず,昨日のコードです.

死の谷

死の谷

会った時にでも議論できれば。

基礎研究と応用研究があまりにかけ離れすぎてるように思います。 結果として、どっちもダメだと言われてる気がします。

デスバレー (研究開発) - Wikipedia

自己符号化器

最近、深層学習の本をチラチラ読んでますが、 自己符号化器というのが出てきます。 これは、いろんなパラメータがあるけど、パラメータを減らして、 同じ結果を出すことをやります。

主成分分析(いわゆる次元圧縮)に似ていますが、ニューラルネットに使います。 ここら辺を使うと、人間がわかりやすい事ができるのではないかと思いますし、 現在考えられている世界に落とし込むことができるヒントになるのではないかと思います。

取り急ぎ。

基礎研究の話とか

  • 大隈先生がノーベル賞を受賞したニュースで,基礎研究が重要だという話がでており,あのような分野でも時代的に基礎研究って難しいことを初めて知りました.

  • 基礎研究の重要性は,水工学の分野ですが,私達がいつも話している話ですよね.これを期に,もう少し,流水・流砂の基礎的な力学の研究が重要視,というか科研費がつくようになればいいと思います.十分な力学もないのにフィールドに適用しましたって研究者じゃないですよね.でも,実際は,論文賞をとるようなテーマは,基礎研究に近いものも多いので,先生方はそういう認識はあるのかもしれませんが.(だから,ほぼ同じ先生が賞をもらってる...)

Deep learning

前回の記事にありましたが,もし情報をお持ちなら,詳しく聞かせてください.

画像や音声は,多相のニューラルネットワークでいけそうな気がしますが,流体のような非定常,非平衡の現象の特徴量ってなかなかDeep learningのフレームワークで解くことがイメージできないです.補完の部分に力学モデルの支配方程式を入れるような工夫をするのでしょうか?

乱流の話

「ながれ」の最新号を読んでいたら,何とか賞受賞者の研究者紹介のような記事があり,結構興味深い内容でした.壁面のLESの話ですが,河川で使えないかなと思ってます.

http://www.nagare.or.jp/download/noauth.html?d=35-3_ryumon2.pdf&dir=51

シンポジウムとか

12月は多いですね.

12月5日 基礎水理シンポジウム

HPがまだです. 昨年度のスライドが公開されておりました.

http://www.jsce.or.jp/committee/hydraulic/kisosuiri/h27/sympo_program15.html

江頭先生,宮本先生のものは一読の価値ありです.

12月1日 応用力学講演会

http://www.jsce.or.jp/committee/amc/kouenkai.html

日野先生ですよ.ぜひ参加したいです.

pythonで気付いたこと

会社のプロキシ抜け

うちの会社の環境では,コマンドプロンプトで以下を実行するとOKでした.

condaも問題なく使えるので環境構築が可能です.

csvファイルのreadの速度

数100万のデータになるので結構時間がかかります. 読み込む方法は,pandasの.read_csvが圧倒的に速いです.

参照Python §12 : グラフのためのデータ処理 高速なファイル処理ができるpandas | hitochan007のブログ(Pythonの勉強ブログ)

列の抽出なども速いので,便利でした.

matplotlibのベクター貼り付け

いつの間にかemf出力がなくなっており,ベクター出力は,eps,pdf,svgの三択です. epsは環境依存も有り,今後あまり使うことはないかと思います. TeXだとpdfがいいと思いますが,wordだったのでsvgを使いました.直接は貼れないので,IllustratorInkscapeから貼り付けました.

matplolibが遅い

特に塗りつぶし系が遅いです.ちなみに論文のコンター図は描画に15分かかります.

と苦労していたのですが,今日色々調べていたら,pcolorではなく,contourfで書いたら,100倍くらいので速度で書けました. なので,pcolorは大きなデータでは辞めたほうが良いかもしれません.

jupyterなしでは...

jupyter使いまくりです.無いと無理です. jupyter notebookの次世代として,jupyter labというものが出るらしいです.

Jupyter Notebookの次世代版、JupyterLabのこれが凄いポイントの紹介 - のんびりしているエンジニアの日記

そろそろgithubを立ち上げて,python系のソースコードはjupyterで書いたものをgistに上げて,それをブログにあげようかなと思ってます.

今週からちょこちょこブログも書きます.

インテル® Distribution for Python

という名前のようですね.

インテル® Distribution for Python* の紹介 | iSUS

ただ,私達が趣味で一般的に使う環境だと全然速くなっていないようです. 下図の一番左がscipyの速度比較ですが,シングルコアだとubuntupythonと同速度です.

http://www.isus.jp/wp-content/uploads/DPD-PythonDist-speedup-version-2.png

ゴリゴリのマトリックス計算をxeonとか使ってやる人でpythonのライブラリを使いたい時には良いかもですね.