有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
内循环大容量低质生物质气化设备开发|生物质气化数据集|数值模拟数据集
收藏国家基础学科公共科学数据中心2024-03-05 收录
下载链接：
https://www.nbsdc.cn/general/dataDetail?id=64edc6dbbb16e07753c34722&type=1
下载链接
链接失效反馈资源简介：
本科学数据集的数据主要为工业规模的循环流化床生物质气化数值模拟、基于CPFD数值模拟的中试台架验证、基于Aspen Plus模拟的气化系统优化等相关数据，来源主要包括华中科技大学煤燃烧国家重点实验室计算机数值模拟，模拟数据均为实时采集和记录，并根据相关领域的实验和测试标准等文件来进行数据测试、采集和分析；华中科技大学能源与动力工程学院陈汉平教授、吴鹏讲师和陈旭博后、陈伟博后、邹俊博后、胡俊豪博后监督与指导，研究生杨照、卢旺、杨光、易为等在煤燃烧国家重点实验室，通过ANSYS SpaceClaim Direct Modeler (SCDM) 建模软件建立工业规模循环流化床和中试台架几何模型；通过Barracuda软件预测反应器内部的气固流动特性、温度分布特性以及气体组分分布特性；通过Aspen Plus软件预测气化系统最终气体成分、焦油含量、气化效率；在煤燃烧国家重点实验室公共测试中心和华中科技大学分析测试中心通过元素分析仪测定样品基本元素分布和固相及液相中硫、氮分布，依据国家标准GB/T28731-2012获得样品中工业分析值，在电感耦合等离子体发射光谱仪测定样品中无机元素含量，使用湿式流量计和气相色谱仪测定热解气相产物产率；通过气相色谱（GC）测定气化合成气组分含量。数据量10.6MB。
提供机构：
华中科技大学
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
Figshare
Figshare是一个在线数据共享平台，允许研究人员上传和共享各种类型的研究成果，包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
AIS数据集
该研究使用了多个公开的AIS数据集，这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶，并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息，总计约6.4亿条记录。
github 收录
MVIP
MVIP是一个面向应用的多视角和多模态工业零件识别数据集，由弗劳恩霍夫IPK研究所创建。该数据集包含了校准过的RGBD多视角图像以及对象的物理属性、自然语言描述和超类别等信息。数据集共包含约570,000张图像，分为训练集、验证集和测试集，适用于工业零件识别相关的研究，旨在解决小样本学习、视觉相似零件识别等问题。
arXiv 收录
全国兴趣点（POI）数据
POI（Point of Interest），即兴趣点，一个POI可以是餐厅、超市、景点、酒店、车站、停车场等。兴趣点通常包含四方面信息，分别为名称、类别、坐标、分类。其中，分类一般有一级分类和二级分类，每个分类都有相应的行业的代码和名称一一对应。 POI包含的信息及其衍生信息主要包含三个部分：
CnOpenData 收录
Data From NSCLC-Radiomics
This collection contains images from 422 non-small cell lung cancer (NSCLC) patients. For these patients pretreatment CT scans, manual delineation by a radiation oncologist of the 3D volume of the gross tumor volume and clinical outcome data are available. This dataset refers to the Lung1 dataset of the study published in Nature Communications. In short, this publication applies a radiomic approach to computed tomography data of 1,019 patients with lung or head-and-neck cancer. Radiomics refers to the comprehensive quantification of tumour phenotypes by applying a large number of quantitative image features. In present analysis 440 features quantifying tumour image intensity, shape and texture, were extracted. We found that a large number of radiomic features have prognostic power in independent data sets, many of which were not identified as significant before. Radiogenomics analysis revealed that a prognostic radiomic signature, capturing intra-tumour heterogeneity, was associated with underlying gene-expression patterns. These data suggest that radiomics identifies a general prognostic phenotype existing in both lung and head-and-neck cancer. This may have a clinical impact as imaging is routinely used in clinical practice, providing an unprecedented opportunity to improve decision-support in cancer treatment at low cost. The dataset described here (Lung1) was used to build a prognostic radiomic signature. The Lung3 dataset used to investigate the association of radiomic imaging features with gene-expression profiles consisting of 89 NSCLC CT scans with outcome data can be found here: NSCLC-Radiomics-Genomics. For scientific inquiries about this dataset, please contact Dr. Hugo Aerts of the Dana-Farber Cancer Institute / Harvard Medical School (hugo_aerts@dfci.harvard.edu). More Description
DataCite Commons 收录