امروزه استفاده از انواع روش های شبیه سازی در عرصه علوم مختلف عمومیت یافته است. هر چند از مدت ها پیش است که بهره گیری از این ابزار در علوم انسانی و اقتصاد نیز رایج شده است، اما استفاده وسیع از آن به همین اواخر باز می گردد. آشنایی با این ابزار کارآمد و شناسایی نقاط ضعف و قوت آن امکانات جدیدی را در اختیار محققین، اساتید، دانش آموختگان و کارشناسان اقتصاد قرار خواهد داد. از میان روش های مختلف شبیه سازی، روش مونت کارلو برای تحقیقات و محاسبات مالی و اقتصادی از سایر شیوه ها مناسب تر است. این مقاله سعی در معرفی این روش و ابزارهای پیشرفته تری نظیر شبیه سازی شبه مونت کارلو و مونت کارلو ادغامی دارد. در این راستا، به مثالی در زمینه ی بازار ابزار مشتقه نیز اشاره شده است.

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در تقاطع­­های راست گوشه سه شاخه یا چهار شاخه کانال­های روباز، مطالعه جدایی جریان بسیار حائز اهمیت می­باشد. برخی پارامترهای موثر در این زمینه نسبت دبی ورودی و عمق جریان می­باشد که در این تحقیق تاثیر نسبت دبی ورودی و نسبت ارتفاع سرریزها (عمق جریان) در الگوی جریان و ابعاد ناحیه جداشدگی به صورت عددی شبیه­سازی شده است. بررسی نتایج مدل عددی نشان داد که مدل k-ω بیشترین مطابقت را با نتایج آزمایشگاهی دارد، به طوریکه میزان خطای شبیه­سازی کمتر از 20% بود. ابعاد ناحیه جداشدگی در کانال­­های اصلی و فرعی با نسبت دبی ورودی رابطه مستقیم داشت. همچنین با افزایش ارتفاع سرریزهای خروجی، عمق جریان افزایش یافت و منجر به کاهش ابعاد ناحیه جداشدگی شد. مطابق نتایج عددی، ابعاد ناحیه جداشدگی در راستای قائم از کف کانال به سطح آب افزایش یافت، به­طوری­که برای نسبت دبی 6/0 و نسبت ارتفاع سرریز 377/0، طول ناحیه جداشدگی در کف کانال، فاصله 1/0 متر از کف و در سطح آب به ترتیب در حدود 60 سانتیمتر، 75 سانتیمتر و 85 سانتیمتر بود. بنابراین از سطح آب به سمت کف کانال طول ناحیه جداشدگی در حدود 29% کاهش یافت.

تحلیل عدم قطعیت، مرحله ای جدانشدنی در فرایند مدل سازی های هیدرولوژی است. ارزیابی کمی عدم قطعیت در خروجی های مدل شبیه سازی و تخمین پارامترهای آن، موجب افزایش اطمینان در نتایج مدل سازی و شناخت درستی از منابع عدم قطعیت می شود. با توجه به رشد روزافزون کاربرد مدل های آب زیرزمینی در مدیریت و پیش بینی رفتار آبخوان ها، پژوهش حاضر به منظور تحلیل عدم قطعیت در شبیه سازی کمی-کیفی آبخوان و تأثیر آن در نتایج بهینه سازی انجام شد. با استفاده از مدل هیدرولوژیکی SWAT، میزان تغذیه مشخص شده و وارد مدل جریان آب زیرزمینی MODFLOW و مدل انتقال آلاینده MT3DMS شد. در تحقیق حاضر از الگوریتم DREAMzs که یکی از الگوریتم های مبتنی بر مونت کارلو (زنجیره ی مارکوف) است، به منظور بررسی عدم قطعیت پارامترهای مدل MODFLOW استفاده شد. در ادامه، با لینک کردن مدل با MOPSO میزان بهینه ی هد و شوری در آبخوان مد نظر به دست آمد. نتایج به دست آمده نشان داد میزان دقت در ورودی های مدل سبب مطلوبیت در نتایج با توجه به هدف تعیین شده که کاهش میزان افت آب است، شد.

در این مقاله، یک روش جدید برای شبیه سازی مدل هایزنبرگ XYZ (s = 1/2)یک بعدی معرفی می گردد. این روش براساس فرمول تروتر بنا شده است. بدین ترتیب که با استفاده از فرمول تروتریک مدل یک بعدی کوانتومی به مدل دو بعدی کلاسیکی تبدیل می گردد، که در آن بعد اضافه شده، یعنی زمان موهومی به دمای سیستم مربوط بوده و نقش تاثیرات کوانتومی را بازی خواهد کرد. بدین ترتیب که با استفاده از تکنیک مونت کارلو و انتگرال مسیر فاینمن، خواص ترمودینامیکی یک دستگاه یا جمع کردن اثر عملگر نمایی بر روی مسیرهای کلاسیکی در درجات حرارت پایین محاسبه و با نتایج حاصل از مقاله Bonner & Fisher که با روش متفاوت انجام گردیده مقایسه گردیده اند، یکی از محسنات این روش،سرعت بالای آن در مقایسه با دیگر روش هاست. به علاوه جمع آوری حالتها، دارای یک نمایش گرافیکی است که می تواند بینشی از طبیعت درونی یک دستگاه بر هم کنشی ارائه دهد.

مدل های هیدرولوژیکی اغلب شامل پارامترهایی هستند که به طور مستقیم نمی توانند اندازه گیری شوند. تخمین پارامترها توسط روش ها و الگوریتم های مختلف بهینه سازی هم با خطا همراه است. بنابراین تجزیه و تحلیل عدم قطعیت امری ضروری به شمار می آید. در تحقیق حاضر از الگوریتم DREAM-ZS (از الگوریتم های مبتنی بر مونت کارلو زنجیره مارکوف) به منظور بررسی عدم قطعیت پارامترهای مدل هیدرولوژیکی HEC-HMS در حوزه آبخیز تمر به مساحت 1530 کیلومتر مربع واقع در استان گلستان استفاده شد. به منظور ارزیابی عدم قطعیت 24 پارامتر بکار رفته درمدل HEC-HMS، سه رویداد سیل برای واسنجی و یک رویداد سیل در اعتباریابی استفاده گردید. نتایج حاصل از واسنجی نشان داد که بازه های 95 درصد عدم قطعیت کل، بیشتر داده های مشاهده ای بویژه دبی اوج را در برگرفتند. همچنین علاوه بر عدم قطعیت ناشی از پارامترهای مدل بارش رواناب، منابع دیگر عدم قطعیت مانند ساختار مدل و داده های ورودی هم سهم مهمی در خطای شبیه سازی دارند. با مشاهده مقادیر پایین ضریب تغییرات برای پارامتر CN (شماره منحنی) در تمامی سیلاب ها، این پارامتر به عنوان حساس ترین پارامتر به حساب آمد. هیستوگرام های پسین پارامترها نشان داد که بیشتر پارامترها به خوبی تعیین شده اند و ناحیه کوچکی از توزیع های یکنواخت پیشین را اشغال می کنند. همچنین بهترین شبیه سازی حاصل از اجرای الگوریتم عدم قطعیت DREAM-ZS آشکارا بر شبیه سازی حاصل از الگوریتم جستجوی خودکار نلدر و مید برتری داشت.