众所周知,拥有卡片精灵的卡是可以在你抽卡的时候自动移动到卡组最上方而且你会有所感应的
所以答案只有一个了——海龟坏兽!
龙女仆小蓝(虽然她并不在我卡组里)
讲个故事:从前有个姓叶的决斗者,他最喜欢的卡是冒冒失失的小蓝。他的卡套是小蓝,卡垫是小蓝,卡组是龙女仆,最常用的表情包是小蓝,家里摆满了小蓝的周边,哪怕side不够用了也要往side里塞上三张小蓝
终于,他感动了精灵,小蓝主动爬到了他的主卡组里,吓得他立刻把小蓝抽出来打包连夜发回了可乐妹总部
史称:叶 公 好 蓝
湍流的尺度远大于分子平均自由程,仍然满足连续介质假设。大部分人认为NS 方程可以描述湍流(事实上也是这么做的)。
NS 方程系统是确定的,但确定的不代表可预测的。一个典型的例子,洛仑兹方程组,形式非常简单。但是这样的动力系统对初值扰动极端敏感,初值的误差误差随着时间会使解完全不一样,也就是著名的蝴蝶效应。当雷诺数大的时候,NS 方程更是这样。
可以把湍流看作一个随机过程场。DNS是一次具体的实现,就跟做了一次实验一样。打个比方,就像把扔十次骰子看做一件事,你得到十个1,就可是看作一次DNS 。DNS的主要困难在于湍流的多尺度导致要完全解析所有尺度,网格必须很细,计算量太大。复杂算例根本没法用。 为了降低计算量,提出LES ,大尺度直接解析,小尺度建模或者用耗散代替。
注意DNS /LES 和RANS的区别。前者相当于做了一次实验,每次做结果都可能不同;后者RANS 得到的是每一时刻随机场的均值。