如何评价藤本树 2022 年 4 月新作短篇漫画《再见绘梨》（さよなら絵梨）？ 第2页

主公：北风先生可知我为何请您前来？

北风：先生早先问我政敌命数，我以“昨日你家发大水 你妈变成老乌龟 ”作答，近日主公忧心忡忡，唤我前来不晓得是否还与童谣有关？

主公：不错，近日我睡梦中常有小儿唱“太阳当空照，花儿对我笑”云云，越唱越小细不可闻，不知此童谣何解。

北风沉吟半晌道：主公可知何谓童谣？

主公：上次先生曾做讲解：童谣者，谶语之一种。且自古以来童谣多言坏事。如“帝非帝，王非王，千乘万骑走北邝。”预言的是少帝献帝仓皇而逃的故事。“千里草，何青青，十日卜，不得生! ”则是讲董卓败亡。多是上天借幼童之口示警。

北风：不错，古来童谣多是恶兆，盖因“好事不出门坏事传千里。”乡野童谣往往从字面上就能看出恶兆，正因恶言出于童口，才尤显出诡异莫名。

您梦中所听的童谣便有两个版本其一是：

太阳当空照
花儿对我笑
小鸟说早早早
你为什么背上小书包
我去上学校
天天不迟到
爱学习爱劳动
长大要为人民立功劳

此歌四平八稳，无甚波澜。民间曾有

解为隐喻帝王更迭，主歌功颂德之意。其实是解错了，却说天下可有几个小儿晓得后面三句唱词。小儿都不晓得又谈什么童谣呢。

此童谣全篇无甚恶言，亦与古谣大异其趣。

将倒数四三二句结成一个反复提到的人名，更是失去了童谣简洁有力的古意。须知童谣博大精深，往往层层递进，句句勾连，无一字浪费，怎么可能把几句话浪费在一个同样的意思上呢？

此童谣真正的原作其实是：

太阳当空照

花儿对我笑,

小鸟说早早早,

你为什么背着炸药包;

我去炸学校,

老 师不知道,

一拉线我就跑,

砰的一声学校炸飞了!

这童谣才符合我国童谣自古以来的风格，可传千古。

主公：那此童谣又做何解？

北风：这首童谣本是天机，但主公既然梦中可以听闻，显然天机已露，我直说却也无妨。此儿歌讲的是几大公案。全歌环环相扣，精巧异常，必是前辈高人所留。第一句：

太阳当空照 讲的是本朝代替前朝，前朝者青天白日是也，此为本朝第一大公案，至今争论不休。

第二句是：

花儿对我笑 讲的是本朝第二桩公案，“花”者“华”也，花是草本何来“笑”？显然是被风吹过前仰后合，取笑之意。所谓花过风是也。

小鸟说早早早,

你为什么背着炸药包;这两句前后互动讲的其实是一件事，小鸟连说的三个不是早，而是“糟”，显然有一鸟人连说“糟，糟，糟”，为何要说“糟，糟，糟”，显然是因为看到了“你为什么背着炸药包”

说“为什么”古意指胡，倒是没错，只是此胡非彼胡。此胡身背炸药包，显然要由他引出一桩大祸事。这便是本朝第三桩公案。小鸟出声相询，自然有要帮的意思。隐隐点出第三桩公案祸主的姓名。

至此，童谣所言之事一句比一句隐晦，所说却是越来越多，描写也越来越详细。此首童谣的精华所在，便是最后四句。

我去炸学校,

老 师不知道,

一拉线我就跑,

砰的一声学校炸飞了!

这四句讲的其实是一件事，最晦涩，但也最详细，让我们好好分析分析：

这里的我指的是“学生”，他要去炸“老师”所在的学校，可谓忘恩负义，不讲师生之情。而且此人行事鬼鬼祟祟，“老师”并不知晓。一拉线就跑，可见心意已决早有逃亡之意。最终炸飞学校，算是闯下塌天大祸，惹出本朝第四大公案。

主公：这又与我有何相干，难道此事要照应在我身上？

北风：此童谣机巧之处便在于此，从时间上分析从前朝，到花儿，再到小鸟，时间上是递进关系，此事必然发生在“背炸药”之后。童谣中说“一拉线我就跑”为什么要跑，跑和什么密切相关？“跑开来”是也，亦可通假为“泡开来”，此事多半与尊夫人有关。

主公神色一凛。

北风：按童谣所言，炸学校势必成功，此辈必得意忘形，弹冠相庆。这便又犯了主公所在的地名。

总之按后四句话，主公对身边一手提拔之人不可不防，尤其要防止此人点炮逃跑。至于此人的身份多半可从尊夫人身边查起。

主公脸色惨白，忙道：北风先生可有禳解之法？若能相助，在下必有高官厚禄相赠。

北风沉吟半晌道：童谣皆是天数，事到临头已无改天换命之可能，天道昭昭，顺应而已。只不过吉人自有天相，这破解之法早已落在先生自己身上。

主公急切道：先生此话何解？

北风道：童谣所说之事是学生一早去炸学校，学校固然保不住，但老师却能死中得活。求活之道便是先生的名讳，先生若想不被早起的学生炸死，只需顺应天道，“不起来”即可。

主公拍掌，大笑称善。

谢邀，

基本上所有高复杂性的问题，比如说天气预报、地球洋流、股票预测、大型生态系统演化、癌症、狂犬病等等。

具体一点的，湍流、堆积固体颗粒的流动计算。

谢邀，

基本上所有高复杂性的问题，比如说天气预报、地球洋流、股票预测、大型生态系统演化、癌症、狂犬病等等。

具体一点的，湍流、堆积固体颗粒的流动计算。

谢邀，

基本上所有高复杂性的问题，比如说天气预报、地球洋流、股票预测、大型生态系统演化、癌症、狂犬病等等。

具体一点的，湍流、堆积固体颗粒的流动计算。

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。