Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Monte Carlo simulation method" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Komputerowa symulacja procesu rekrystalizacji statycznej
    Computer simulation of the static recrystallization process
    Autorzy:
    Walasek, T.
    Moryń-Kucharczyk, E.
    Kucharczyk, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/211480.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Obróbki Plastycznej
    Tematy:
    rekrystalizacja
    symulacja Monte Carlo
    metoda Monte Carlo
    modelowanie komputerowe
    rozrost ziaren
    recrystallization
    Monte Carlo simulation
    Monte Carlo method
    computer simulation
    grain growth
    Opis:
    Materiał ciągły zastosowany do modelowania procesu rekrystalizacji oparto na dwuwymiarowej tablicy zawierającej 40000 elementów. Porównano cztery typy nukleacji: nukleację nasyconą zarodkowo, nukleację o prędkości ciągłej, o prędkości zmiennej rosnącej i malejącej. Sigmoidalny kształt krzywej objętości zrekrystalizowanej od czasu obserwowany w symulacji jest często podkreślany w literaturze i znajduje potwierdzenie w przeprowadzonym doświadczeniu. Współczynnik Avramiego n = 2 został prawidłowo odwzorowany w symulacji. Wykazano, że model odpowiada zmianom stopnia energii zmagazynowanej H/J.
    The continuum material has been modeled employing a 2D discrete lattice containing 200x200 elements. Four different nucleation models, i.e. site saturation, continuous, increasing and decreasing nucleation rate were com¬pared. The sigmoidal time dependence of recrystallized volume fraction observed in the simulation is often emphasized in the literature and finds its justification in the experiment. The Avrami exponent n = 2 is properly reproduced by the simulations. It has been shown that the model correctly responds to the change in the degree of stored energy H/J.
    Źródło:
    Obróbka Plastyczna Metali; 2013, 24, 3; 159-167
    0867-2628
    Pojawia się w:
    Obróbka Plastyczna Metali
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of adaptive simulation methods in reliability analysis
    Zastosowanie adaptacyjnych metod symulacyjnych w analizie niezawodności
    Autorzy:
    Kolanek, K.
    Jedno, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/156843.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    analiza niezawodności
    symulacja
    metoda Monte Carlo
    reliability analysis
    simulation
    Monte Carlo method
    Opis:
    The cross-entropy method is a new approach to estimate rare event probabilities by Monte Carlo simulation. Application of this method for structural reliability analysis is presented. The efficiency of the approach is tested on some benchmark problems typical for reliability analysis.
    Metoda wzajemnej entropii (ang. cross-entropy) jest nową modyfikacją metod Monte Carlo służącą do oszacowania prawdopodobieństwa rzadkich zdarzeń. W pracy przedstawiono zastosowanie tej metody do rozwiązania zagadnienia analizy niezawodności. Jej efektywność jest oceniona na przykładach charakteryzujących się trudnościami typowymi w analizie niezawodności.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 8, 8; 29-32
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Określanie zapasu wody pod stępką w porcie Ystad na podstawie badań symulacyjnych
    Determination of ships underkeel water supply in the port of Ystad based on simulation research
    Autorzy:
    Gucma, L.
    Schoeneich, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/360379.pdf
    Data publikacji:
    2008
    Wydawca:
    Akademia Morska w Szczecinie. Wydawnictwo AMSz
    Tematy:
    badania symulacyjne
    zapas wody pod stępką
    metoda Monte Carlo
    simulation research
    underkeel clearance
    Monte Carlo method
    Opis:
    W artykule zaprezentowano analizę wyników badań symulacyjnych wejść nowo projektowanego promu "Piast" do modernizowanego portu Ystad. Przedstawiono także model symulacyjny statku wykorzystany w badaniach. Po przeprowadzeniu symulacji w czasie rzeczywistym model probabilistyczny określania zapasu wody pod stępką został dostosowany do oszacowania prawdopodobieństwa kolizji z dnem akwenu. Uzyskane wyniki mogą być wykorzystane do oceny ryzyka statków podchodzących do portów.
    The article presents the analysis of simulation research results of the newly designed ferry 'Piast' entering the modernized Ystad Port. The ship simulation model has also been described. After real time simulations the Monte Carlo method of underkeel water supply evaluation has been applied to assess the probability of ferry's collision with the bottom. The results may be used in risk assessment of ships entering ports.
    Źródło:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2008, 13 (85); 22-28
    1733-8670
    2392-0378
    Pojawia się w:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Określanie niepewności wyników dynamicznych symulacji złożowych na przykładzie niekonwencjonalnego złoża gazu ziemnego
    Estimation of uncertainty in reservoir simulations results and its application to an unconventional natural gas field
    Autorzy:
    Szott, Wiesław
    Miłek, Krzysztof
    Powiązania:
    https://bibliotekanauki.pl/articles/1835007.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    symulacje złożowe
    analiza statystyczna
    metoda Monte Carlo
    niepewność symulacji
    złoża niekonwencjonalne
    reservoir simulations
    statistical analysis
    Monte Carlo method
    simulation uncertainty
    unconventional reservoirs
    Opis:
    W pracy przedstawiono kompletną procedurę określania niepewności wyników dynamicznych symulacji złożowych spowodowanej brakiem lub ograniczoną informacją o dokładnych danych wejściowych (parametrów) modelu złożowego użytego do symulacji. W szczególności opisano metodę zbioru (ansamblu) równorzędnych wariantów modelu odpowiadających zmiennym wartościom jego parametrów o znanych zakresach tych zmienności oraz prawdopodobieństwach ich rozkładów. Zaprezentowana procedura obejmuje: (i) wybór funkcji celu (wyników symulacji), której niepewność będzie określana; (ii) wybór pełnej listy parametrów modelu (danych wejściowych) o wartościach nieokreślonych lub obarczonych błędami (będących źródłem niepewności wyników symulacji złożowych); (iii) analizę czułości funkcji celu ze względu na niepewność danych wejściowych; (iv) określenie danych wejściowych mających największy wpływ na oszacowanie funkcji celu; (v) próbkowanie przestrzeni danych wejściowych dla zdefiniowania ansamblu modeli symulacyjnych; (vi) wielokrotne symulacje dla znalezienia funkcji celu na ansamblu modeli; (vii) statystyczną analizę uzyskanych wyników. W powyższej procedurze zastosowano statystyczną metodę losowania typu Monte Carlo, a w szczególności metodę próbkowania Latin hypercube sampling. Rezultaty analizy niepewności wyników symulacji są nieodzowne dla ewentualnego wykorzystania modelu złoża do zaawansowanych zastosowań, takich jak optymalizacja procesu sczerpania zasobów złoża ze względu na dobór warunków eksploatacyjnych. Analiza niepewności jest szczególnie ważna w przypadku złóż niekonwencjonalnych, dla których wiele charakterystyk opisujących ich właściwości jest trudnych lub wręcz niemożliwych do uzyskania. Opisaną procedurę zastosowano do realnego przykładu takiego złoża. W jej rezultacie uzyskano niepewność (rozrzut) wyników symulacji uniemożliwiającą wykorzystanie modelu złoża w wymienionej powyżej procedurze optymalizacji. Jednocześnie zastosowana procedura analizy niepewności wskazuje na te parametry modelu, które wymagają uściślenia lub uzupełnienia po to, aby skonstruowany model złożowy nabrał cech niezbędnych do jego pełnego wykorzystania.
    The paper presents a complete procedure for determining the uncertainty of the results of dynamic reservoir simulations caused by lack of or limited information about the exact input data (parameters) of the reservoir model used for simulations. In particular, the method of the collection (ensemble) of the equivalent model variants corresponding to the varying values of its parameters with the known ranges of these variations and the probabilities of their distributions are described. The procedure includes: (i) selection of the target function (simulation results) whose uncertainty will be analyzed; (ii) selection of the complete list of model parameters (input data) of uncertain or undefined values; (iii) sensitivity analysis for the target function with respect to the uncertain input data; (iv) determination of the input data that affects the target function to the highest degree; (v) sampling of the input data space to define effective ensemble of the model variants; (vi) multiple simulations of the model ensemble for the target function evaluation; (vii) statistical analysis of the simulation results. The procedure employs the Monte Carlo statistical method to generate the model ensemble and, in particular, Latin Hypercube Sampling. The uncertainty analysis of simulation results is indispensable for the possible application of the reservoir model to more advanced projects such as reservoir production optimization with respect to exploitation system characterization. The uncertainty analysis is especially significant for unconventional reservoir modelling where many model parameters are difficult or even impossible to be determined. The proposed procedure was applied to a realistic example of such a reservoir. The high uncertainty of the basic simulation results, as shown in the paper, makes it impossible to effectively use the model in an optimization procedure. On the other hand, it is worth noting that the proposed procedure indicates, which model parameters are required to be more precisely determined, in order for the it to be accurate enough for reliable applications.
    Źródło:
    Nafta-Gaz; 2019, 75, 3; 150-157
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effectiveness of Monte Carlo Simulations of the S&P 500 Index before and after the Outbreak of the SARS-COV-2 Pandemic*
    Efektywność symulacji Monte Carlo indeksu S&P 500 przed ogłoszeniem i po ogłoszeniu pandemii SARS-COV-2
    Autorzy:
    Nawrocki, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/16472961.pdf
    Data publikacji:
    2023
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    Monte Carlo (MC) method
    Black-Scholes (B-S) model
    index simulation
    COVID-19 pandemic
    metoda Monte Carlo
    model Blacka-Scholesa
    symulacja indeksu
    pandemia COVID-19
    Opis:
    Risk analysis is an integral part of studying the behavior of financial markets. Crises and emergencies challenge analysts trying to predict the value of stock indices by questioning their assumptions. One such event was the coronavirus pandemic, which undoubtedly affected our economy. The purpose of this study was to examine the impact of the COVID-19 pandemic on the US market and to assess the change in effectiveness of the Monte Carlo method due to the pandemic. The study was realized with 12 MC simulations of daily S&P 500 index prices using historical data from 11.03.2015 to 11.03.2021. The negative impact of the pandemic on the accuracy of MC simulations was observed, lowering the confidence of the results. Changes in sensitivity depending on the chosen time period were also detected. The results may prompt consideration of modifying MC simulations during instability and provide information indicating the use of shorter time series to improve simulation efficiency during crises.
    Analiza ryzyka jest integralną częścią badania zachowania rynków finansowych. Sytuacje kryzysowe stanowią wyzwanie dla analityków próbujących przewidzieć wartość indeksów giełdowych, kwestionując ich założenia. Jednym z takich wydarzeń była pandemia koronawirusa, która niewątpliwie wpłynęła na naszą gospodarkę. Celem niniejszego badania było zbadanie wpływu pandemii COVID-19 na rynek USA oraz ocena zmiany efektywności metody Monte Carlo na skutek pandemii. Badanie zostało zrealizowane za pomocą 12 symulacji MC dziennych cen indeksu S&P 500 przy użyciu danych historycznych między 11.03.2015 a 11.03.2021. Zaobserwowano negatywny wpływ pandemii na efektywność symulacji, obniżający wiarygodność wyników. Wykryto również zmiany czułości w zależności od wybranego okresu. Wyniki mogą skłonić do rozważenia modyfikacji symulacji MC podczas braku stabilności i dostarczyć informacji skłaniających do skorzystania z krótszych szeregów czasowych w celu poprawy efektywności symulacji podczas kryzysów.
    Źródło:
    Financial Sciences. Nauki o Finansach; 2023, 28, 1; 1-16
    2080-5993
    2449-9811
    Pojawia się w:
    Financial Sciences. Nauki o Finansach
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies