Zobrazeno 1 - 10
of 1 423
pro vyhledávání: '"PAWAR, S. A."'
Autor:
Mallick, Chandrima, Dutta, Ushnanshu, Bhowmik, Moumita, Mohan, Greeshma M., Hazra, Anupam, Pawar, S. D., Chen, Jen-Ping
We have performed three-dimensional thunderstorm real simulations using the two-moment and three-moment bulk microphysics schemes in the Weather Research and Forecasting (WRF) model. We have analyzed three cases to understand the potential difference
Externí odkaz:
http://arxiv.org/abs/2404.12669
Autor:
Singh, Manmeet, B., Vaisakh S., Mudiar, Dipjyoti, Chakraborty, Deewakar, Gopalakrishnan, V., Singh, Bhupendra Bahadur, Singh, Shikha, Ghosh, Rakesh, Chattopadhyay, Rajib, Kumar, Bipin, Pawar, S. D., Rao, S. A.
Lightning strikes are a well-known danger, and are a leading cause of accidental fatality worldwide. Unfortunately, lightning hazards seldom make headlines in international media coverage because of their infrequency and the low number of casualties
Externí odkaz:
http://arxiv.org/abs/2305.10064
Autor:
Mudiar, Dipjyoti, Hazra, Anupam, Pawar, S. D., Karumuri, Rama Krishna, Konwar, Mahen, Mukherjee, Subrata, Srivastava, M. K., Goswami, B. N.
In the backdrop of a revolution in weather prediction by Numerical Weather Prediction (NWP) models, quantitative prediction of intensity of heavy rainfall events and associated disasters has remained a challenge. Encouraged by compelling evidence of
Externí odkaz:
http://arxiv.org/abs/2004.08888
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In this paper, we introduce a modular deep neural network (DNN) framework for data-driven reduced order modeling of dynamical systems relevant to fluid flows. We propose various deep neural network architectures which numerically predict evolution of
Externí odkaz:
http://arxiv.org/abs/1907.04945
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.