A model for the prediction of laminar-turbulent transition processes was formulated. It is based on the LCTM (‘Local Correlation-based Transition Modelling’) concept, where experimental correlations are being integrated into standard convection-diffusion transport equations using local variables. The starting point for the model was the γ-Re θ model already widely used in aerodynamics and turbomachinery CFD applications. Some of the deficiencies of the γ-Re θ model, like the lack of Galilean invariance were removed. Furthermore, the Re θ equation was avoided and the correlations for transition onset prediction have been significantly simplified. The model has been calibrated against a wide range of Falkner-Skan flows and has been applied to a variety of test cases.

Bitrate adaptation is critical in ensuring good users’ quality-of-experience (QoE) in Internet video delivery system. Several efforts have argued that accurate throughput prediction can dramatically improve (1) initial bitrate selection for low startup delay and high initial resolution; (2) midstream bitrate adaptation for high QoE. However, prior ef- forts did not systematically quantify real-world throughput predictability or develop good prediction algorithms. To bridge this gap, this paper makes three key technical contributions: First, we analyze the throughput characteristics in a dataset with 20M+ sessions. We find: (a) Sessions sharing similar key features (e.g., ISP, region) present similar initial values and dynamical patterns; (b) There is a natural “stateful” dynamical behavior within a given session. Second, building on these insights, we develop CS2P, a better throughput prediction system. CS2P leverages data-driven approach to learn (a) clusters of similar sessions, (b) an initial throughput predictor, and (c) a Hidden-Markov-Model based midstream predictor modeling the stateful evolution of throughput. Third, we develop a prototype system and show by trace-driven simulation and real-world experiments that CS2P outperforms state-of-art by 40% and 50% median pre- diction error respectively for initial and midstream through- put and improves QoE by 14% over buffer-based adaptation algorithm.

To mitigate the instability problem of heavy equipment foundations in deep coal mine chambers under high geo-stress, this study proposes a combined reinforcement strategy for foundation pits, which are mainly composed of pipe piles and split-level vertical cables. The weak rock mass around the pit is reinforced using combined cables and grouting. The split-level-arranged cables with different lengths improve the tensional strength of the rock mass, whereas the pipe pile at the pit corner can enhance the shear strength. The overall performance of the structure in terms of bearing capacity can be significantly enhanced by pouring pipe piles to integrate them and the pump foundation to form a cohesive structure. Both the foundation integrity and foundation pit strength can be improved by stepwise support technology. Finally, an improved reinforcement strategy is implemented in a deep-pump chamber in the Huainan mining area. The monitoring results indicate that the foundation pit stability was successfully controlled and floor cracking and tilting of the pump foundation were avoided by using the improved support method.

To promote energy-saving, emission-reduction, green, and low-carbon development in electrified railways, a scheme of photovoltaic (PV) integration into the traction power supply system is proposed. The PV power generation system is connected to the DC side of the AC-DC-AC converter of the co-phase compensation device, eliminating the need for AC-DC inverters. Through the cooperative control of the PV power generation system and the traction power supply system, it realizes the local consumption of new energy, real-time peak shaving and valley filling of traction load, and power quality compensation. Finally, the correctness and effectiveness of the proposed control strategy are verified by simulation.