Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: stochastic methods

Sortuj według:

Ogranicz wyniki do:

Stochastic input-output modeling

100%

Gurgul H.

2007

tom nr 2

57-70

Input-output data (IO data) are compiled by survey methods, which are based on a sample. It is well known, that IO matrices are not stable overtime. Therefore different actualizations methods have been developed. Econometric methods play important role in the realization of input-output matrices. These methods, on the basis of the relevant data, can facilitate the formulation of IO value forecasts. Established parameter and random term estimators are a source of uncertainty for IO parameters. In a historical perspective the author discusses stochastic methods in IO theory as well as their applications.

Dane input-output (IO) są gromadzone z wykorzystaniem metody reprezentacyjnej, a więc w oparciu o próby losowe. Wiadomo również, że macierze IO są niestabilne w czasie. Rozwinięto techniki ich aktualizacji. Do ważnych metod aktualizacji współczynników macierzy nakładów należy grupa metod ekonometrycznych. Za pomocą modeli ekonometrycznych - na podstawie odpowiednich danych - mogą być budowane prognozy wielkości IO. Wyznaczone estymatory parametrów oraz składnik losowy (błąd losowy) powodują losowość parametrów IO. Autor omawia w przekroju historycznym rozwój metod stochastycznych w teorii i zastosowaniach input-output.

Zastosowanie metody Monte-Carlo do stochastycznego szacowania zasobów geologicznych

75%

Łętkowski P.

tom R. 63, nr 3

170-174

W pracy została przedstawiona metoda oraz procedura stochastycznego szacowania zasobów z wykorzystaniem metody Monte-Carlo. Powodem korzystania z metod stochastycznych w obliczeniach naftowych są: niedokładność pomiarów (np. własności płynów złożowych) oraz pseudostochastyczny charakter wielkości złożowych (ograniczona liczba pomiarów dla nieskończonych rozkładów, np. porowatość). Stosowana obecnie metoda objętościowa nie uwzględnia tego faktu, traktując parametry wpływające na wielkość zasobów w sposób deterministyczny, tzn. z podaniem pojedynczych wartości. Wśród różnych rodzajów danych źródłowych stanowiących podstawę do wyznaczenia zasobów, oprócz danych deterministycznych istnieją jednak dane przypadkowe oraz stochastyczne, co w pełni uzasadnia stosowanie analizy statystycznej danych obserwacyjnych oraz tworzenie prognoz w oparciu o prawa statystyczne, a nie fizyczne.

This work presents the method as well as procedure of stochastic resource estimation by means of Monte-Carlo simulation method. There are several reasons for using a stochastic method in oil calculations such as inaccurate measurements (e.g characteristics of reservoir fluids) or pseudo-stochastic characteristics of reservoir parameters (limited number of measurements for infinite distributions, e.g porosity). The volumetric method used today seems to neglect these facts, treating the reservoir parameters as deterministic, that is giving particular values. Among a variety of sources which provide the basis for resource estimation, there are both random and stochastic data, which fully justifies using the statistic analysis of observational data as well as formulating forecasts based on the laws of statistics rather than physics.

Stochastyczne metody optymalizacji w inżynierii chemicznej i procesowej. II. Przykłady zastosowania

63%

Jeżowski J. M. , Bochenek R. , Jeżowska A. , Poplewski G. , Słoma R.

tom Nr 3

3-8

Artykuł jest kontynuacją pracy [1]. Przedstawiono w nim problemy optymalizacyjne z zakresu inżynierii chemicznej i procesowej rozwiązane przy użyciu metod stochastycznych opisanych w [1]. Były to nieliniowe problemy zawierające tylko zmienne ciągłe lub też zarówno zmienne dyskretne i ciągłe. We wszystkich przypadkach uzyskano wyniki uważane w literaturze za rozwiązanie globalnie optymalne.

The paper presented is a continuation of the work [1]. In this part, optimization problems typical for chemical and process engineering, solved by stochastic methods described in [1] are presented. The nonlinear problems comprising only continuous or both discrete and continuous variables have been treated. In all cases, the results obtained are considered in professional literature as globally optimum solutions.