Πώς να λύσουμε ένα γραμμικό εξίσωση για μη;

ψήφοι
0

Θέλω να ξέρω τι μοντέλο να χρησιμοποιήσετε για να λύσουμε αυτή την εξίσωση για τη μεταβλητή «D», ενώ επαύξηση «Δέλτα», όπως φαίνεται στον κώδικα, προκειμένου να εκτελέσει μια ανάλυση ευαισθησίας και να δούμε πώς αυτό paramater επηρεάζει η αλλαγή στο Δ έκδοση python μου είναι Python 3.6.0, τελευταία ενημέρωση 23, Δεκεμβρίου 2016.

#Inputs
k = 80
E_c = 4*10**6
S_c = 700
J = 3.2
C_d = 2
Z_r = -2.327
s_0 = 0.25
W_18 = 10*10**6
Pi = 4.5
Pt = 1.5

#Building the design function

while Pt<3:
    Pt= Pt + 0.0375
    Delta = Pi - Pt

    A = Z_r*s_0 + 7.35*math.log10(D+1) - 0.06
    B = math.log10(((Delta)/(4.5-1.5))/(1+(1.624*10**7)/(D+1)**8.46))
    C = 4.22 - 0.32*Pt
    d = S_c*C_d/(215.63*J)
    E = (D**0.75-1.132)/(D**0.75-(18.42/(E_c/k)**0.25))

    rhs = A+B+C*math.log10(d*E)
    lhs = math.log10(W_18)
    lhs = rhs  
Δημοσιεύθηκε 07/11/2018 στις 23:50
πηγή χρήστη
Σε άλλες γλώσσες...                            

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more