### 生成水的温度、比热容、密度、导热率和动力粘度数据 以下是一个 Python 脚本，用于生成 50 组关于水的温度、比热容、密度、导热率和动力粘度的数据。这些数据基于已知的水的热物理特性，并通过插值或经验公式计算得出。 ```python import numpy as np def generate_water_properties(num_samples=50): # 温度范围：0°C 到 100°C temperatures = np.linspace(0, 100, num_samples) # 比热容 (单位: J/(kg·K)) - 使用经验公式 specific_heats = 4.18 - 0.002 * temperatures # 简化模型[^1] # 密度 (单位: kg/m³) - 使用经验公式 densities = 999.97 - 0.16 * temperatures + 0.0007 * temperatures**2 # 简化模型[^2] # 导热率 (单位: W/(m·K)) - 使用经验公式 thermal_conductivities = 0.5985 + 0.0013 * temperatures - 0.000004 * temperatures**2 # 简化模型[^3] # 动力粘度 (单位: Pa·s) - 使用经验公式 dynamic_viscosities = (2.414 * 10**-5) * 10**(247.8 / (temperatures + 140)) # Arrhenius 模型[^4] return temperatures, specific_heats, densities, thermal_conductivities, dynamic_viscosities # 生成数据 temperatures, specific_heats, densities, thermal_conductivities, dynamic_viscosities = generate_water_properties() # 打印结果 for i in range(len(temperatures)): print(f"Temperature: {temperatures[i]:.2f}°C, " f"Specific Heat: {specific_heats[i]:.4f} J/(kg·K), " f"Density: {densities[i]:.2f} kg/m³, " f"Thermal Conductivity: {thermal_conductivities[i]:.4f} W/(m·K), " f"Dynamic Viscosity: {dynamic_viscosities[i]:.6e} Pa·s") ``` #### 数据解释 1. **温度范围**：从 0°C 到 100°C，均匀分布为 50 个点。 2. **比热容**：使用简化经验公式计算，考虑了温度对水的比热容的影响[^1]。 3. **密度**：采用二次多项式拟合水的密度随温度变化的趋势[^2]。 4. **导热率**：通过经验公式近似描述水的导热率与温度的关系[^3]。 5. **动力粘度**：利用 Arrhenius 模型计算水的动力粘度随温度的变化[^4]。