توضیحات
This book addresses the experimental calibration of best-estimate numerical simulation models. The results of measurements and computations are never exact. Therefore, knowing only the nominal values of experimentally measured or computed quantities is insufficient for applications, particularly since the respective experimental and computed nominal values seldom coincide. In the authors view, the objective of predictive modeling is to extract best estimate values for model parameters and predicted results, together with best estimate uncertainties for these parameters and results. To achieve this goal, predictive modeling combines imprecisely known experimental and computational data, which calls for reasoning on the basis of incomplete, error-rich, and occasionally discrepant information.
The customary methods used for data assimilation combine experimental and computational information by minimizing an a priori, user-chosen, cost functional (usually a quadratic functional that represents the weighted errors between measured and computed responses). In contrast to these user-influenced methods, the BERRU (Best Estimate Results with Reduced Uncertainties) Predictive Modeling methodology developed by the author relies on the thermodynamics-based maximum entropy principle to eliminate the need for relying on minimizing user-chosen functionals, thus generalizing the data adjustment and/or the 4D-VAR data assimilation procedures used in the geophysical sciences. The BERRU predictive modeling methodology also provides a model validation metric which quantifies the consistency (agreement/disagreement) between measurements and computations. This model validation metric (or consistency indicator) is constructed from parameter covariance matrices, response covariance matrices (measured and computed), and response sensitivities to model parameters.
Traditional methods for computing response sensitivities are hampered by the curse of dimensionality, which makes them impractical for applications to large-scale systems that involve many imprecisely known parameters. Reducing the computational effort required for precisely calculating the response sensitivities is paramount, and the comprehensive adjoint sensitivity analysis methodology developed by the author shows great promise in this regard, as shown in this book. After discarding inconsistent data (if any) using the consistency indicator, the BERRU predictive modeling methodology provides best-estimate values for predicted parameters and responses along with best-estimate reduced uncertainties (i.e., smaller predicted standard deviations) for the predicted quantities. Applying the BERRU methodology yields optimal, experimentally validated, best estimate predictive modeling tools for designing new technologies and facilities, while also improving on existing ones.
————————————————————–
ترجمه ماشینی :
این کتاب به کالیبراسیون تجربی مدلهای شبیهسازی عددی با بهترین تخمین میپردازد. نتایج اندازه گیری ها و محاسبات هرگز دقیق نیستند. بنابراین، دانستن تنها مقادیر اسمی مقادیر تجربی اندازهگیری شده یا محاسبهشده برای کاربردها کافی نیست، بهویژه از آنجایی که مقادیر اسمی تجربی و محاسبهشده مربوطه به ندرت با هم مطابقت دارند. از نظر نویسندگان، هدف از مدلسازی پیشبینی، استخراج بهترین مقادیر تخمینی برای پارامترهای مدل و نتایج پیشبینیشده، همراه با بهترین عدم قطعیتهای تخمینی برای این پارامترها و نتایج است. برای دستیابی به این هدف، مدلسازی پیشبینیکننده دادههای تجربی و محاسباتی نادقیق را با هم ترکیب میکند که نیاز به استدلال بر اساس اطلاعات ناقص، غنی از خطا و گاهی اوقات متناقض دارد.
روش های مرسوم مورد استفاده برای همسان سازی داده ها، اطلاعات تجربی و محاسباتی را با به حداقل رساندن یک تابع هزینه پیشینی، انتخاب شده توسط کاربر (معمولاً یک تابع درجه دوم که نشان دهنده خطاهای وزنی بین پاسخ های اندازه گیری شده و محاسبه شده است) ترکیب می کند. بر خلاف این روشهای تحتتأثیر کاربر، روش مدلسازی پیشبینیکننده BERRU (بهترین نتایج تخمینی با عدم قطعیتهای کاهشیافته) که توسط نویسنده ایجاد شده است، بر اصل حداکثر آنتروپی مبتنی بر ترمودینامیک تکیه دارد تا نیاز به اتکا به حداقل کردن عملکردهای انتخابی کاربر را از بین ببرد، بنابراین تعمیم میدهد. تنظیم دادهها و/یا روشهای جذب دادههای 4D-VAR مورد استفاده در علوم ژئوفیزیک. روش مدلسازی پیشبینیکننده BERRU همچنین یک متریک اعتبارسنجی مدل را ارائه میکند که سازگاری (توافق/اختلاف) بین اندازهگیریها و محاسبات را کمیت میدهد. این متریک اعتبارسنجی مدل (یا شاخص سازگاری) از ماتریس های کوواریانس پارامتر، ماتریس های کوواریانس پاسخ (اندازه گیری و محاسبه شده) و حساسیت های پاسخ به پارامترهای مدل ساخته شده است.
روشهای سنتی برای محاسبه حساسیتهای پاسخ با لعن ابعاد مختل میشوند، که آنها را برای برنامههای کاربردی در سیستمهای مقیاس بزرگ که شامل بسیاری از پارامترهای نادقیق شناخته شده هستند غیرعملی میکند. کاهش تلاش محاسباتی مورد نیاز برای محاسبه دقیق حساسیت پاسخ بسیار مهم است، و روش تجزیه و تحلیل حساسیت الحاقی جامع که توسط نویسنده ایجاد شده است، در این زمینه، همانطور که در این کتاب نشان داده شده است، امیدوار کننده است. پس از دور انداختن دادههای متناقض (در صورت وجود) با استفاده از شاخص سازگاری، روش مدلسازی پیشبینیکننده BERRU بهترین مقادیر تخمینی را برای پارامترها و پاسخهای پیشبینیشده همراه با بهترین برآورد کاهش عدم قطعیت (یعنی انحراف استاندارد پیشبینیشده کوچکتر) برای مقادیر پیشبینیشده ارائه میکند. بکارگیری روش BERRU ابزارهای مدلسازی پیشبینیکننده بهینه، معتبر تجربی و بهترین برآورد را برای طراحی فناوریها و امکانات جدید و در عین حال بهبود بر روی فناوریهای موجود به دست میدهد.
tag : دانلود کتاب مدلسازی پیشبینی BERRU: بهترین نتایج تخمینی با کاهش عدم قطعیت , Download مدلسازی پیشبینی BERRU: بهترین نتایج تخمینی با کاهش عدم قطعیت , دانلود مدلسازی پیشبینی BERRU: بهترین نتایج تخمینی با کاهش عدم قطعیت , Download BERRU Predictive Modeling: Best Estimate Results with Reduced Uncertainties Book , مدلسازی پیشبینی BERRU: بهترین نتایج تخمینی با کاهش عدم قطعیت دانلود , buy مدلسازی پیشبینی BERRU: بهترین نتایج تخمینی با کاهش عدم قطعیت , خرید کتاب مدلسازی پیشبینی BERRU: بهترین نتایج تخمینی با کاهش عدم قطعیت , دانلود کتاب BERRU Predictive Modeling: Best Estimate Results with Reduced Uncertainties , کتاب BERRU Predictive Modeling: Best Estimate Results with Reduced Uncertainties , دانلود BERRU Predictive Modeling: Best Estimate Results with Reduced Uncertainties , خرید BERRU Predictive Modeling: Best Estimate Results with Reduced Uncertainties , خرید کتاب BERRU Predictive Modeling: Best Estimate Results with Reduced Uncertainties ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.