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

در تحقیق حاضر از الگوریتم DREAM(ZS) (از الگوریتم های مبتنی بر مونت کارلو زنجیر مارکوف) به منظور بررسی عدم قطعیت پارامترهای مدل هیدرولوژیکی HEC-HMS در حوزهآبخیز تمر به مساحت 1530 کیلومترمربع واقع در استان گلستان استفاده شد. از سه رویداد برای واسنجی و یک رویداد در اعتباریابی استفاده گردید و تعداد 24 پارامتر واسنجی برای کل حوزه در نظر گرفته شد. همچنین تاثیر 5 تابع درستنمایی مختلف بر روی نتایج روش DREAM(ZS) ارزیابی گردید. سه تابع درستنمایی L1) تا (L3 به عنوان توابع درستنمایی غیرصریح (informal) و توابع درستنمایی L4 و L5 به عنوان توابع درستنمایی صریح (formal) در نظر گرفته شدند. تابع درستنمایی L1، راندمان ناش ساتکلیف (NS) می باشد. تابع درستنمایی L2، حداقل میانگین مربعات خطا است. تابع درستنمایی L3، از واریانس خطای تخمین مدل استفاده می کند. تابع درستنمایی L4، ارتباط بین برازش حداقل مربعات استاندارد (SLS) و استنباط بیزی را مشخص می کند. در تابع درستنمایی L5، وابستگی پیاپی خطاهای باقیمانده با استفاده از مدل خودرگرسیون مرتبه اول باقیمانده های خطا (AR) محاسبه میشود. نتایج نشان داد که حساسیت پارامترها وابسته به انتخاب تابع درستنمایی بوده و حساسیت همه پارامترها در برابر توابع مختلف درستنمایی یکسان نیستند. بیشتر پارامترها توسط تابع درستنمایی L4 و L5 بهتر تعیین شده و حساسیت بالایی را به عملکرد مدل نشان دادند. مقدار فاکتور P (درصد قرارگیری داده اندازهگیری شده در محدوده اطمینان 95 درصد عدم قطعیت کل) نشان داد که 75 تا 100 درصد مشاهدات در بازه های عدم اطمینان 95% پیشبینی مدل قرار می گیرد. نتایج بررسی معیارهای ارزیابی عدم قطعیت شامل فاکتور P، فاکتور R (ضخامت نسبی محدوده اطمینان 95 درصد)، جذر میانگین مربعات خطا (RMSE)، معیارهای کلینگ گوپتا (KGE) و ناش- ساتکلیف (NS) نشان داد که عملکرد DREAM(ZS) با توابع درستنمایی L4 و L5 بهتر از توابع دیگر درستنمایی است.

پلیمرشدن استیرن با روش رادیکال آزاد (FRP) و هم چنین پلیمرشدن رادیکالی انتقال اتم (ATRP) در دمای 105°C انجام و با استفاده از روش شبیه سازی مونت کارلو بررسی شد. تغییرات درجه تبدیل، غلظت آغازگر، وزن مولکولی و توزیع وزن مولکولی با پیش رفت واکنش ارزیابی شد. با توجه به نتایج، در یک زمان معین،FRP  در مقایسه با ATRP به درجه تبدیل بیشتری می رسد. در ATRP، غلظت آغازگر در زمان های اولیه واکنش به شدت کاهش یافته و به مقدار صفر نزدیک می شود. هم چنین مقادیر ثابت های سرعت اختتام وابسته به طول زنجیر با گذشت زمان واکنش کاهش می یابد. در حالی که در FRP، غلظت آغازگر به طور نمایی با زمان کاهش و ثابت سرعت اختتام با افزایش درجه تبدیل افزایش می یابد. در ATRP نمودار تغییرات وزن مولکولی متوسط عددی و وزنی تا درجه تبدیل های نسبتا زیاد خطی است که بیان گر ماهیت زنده پلیمرشدن است. توزیع وزن مولکولی پلیمر حاصل از ATRP بسیار باریک تر از پلیمر حاصل از روش FRP است.

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.

با توجه به روند جایگزینی نیروگاه های سنتی با نیروگاه های تجدید پذیر در شبکه های قدرت مدرن، در این مقاله آلگوریتمی ابتکاری مبتنی بر قابلیت اطمینان برای این منظور پیشنهاد شده است. در ابتدا شاخص LOLE سیستم بدون ظرفیت توان بادی محاسبه و به عنوان شاخص مرجع انتخاب گردید. سپس به بررسی جایگزینی واحد های توربین بادی به جای نیروگاه های سنتی پرداخته شده و در هر مرحله، از تولید ظرفیت سنتی کاسته، و ظرفیت تولید توان بادی جایگزین آن گردیده است. میزان ظرفیت تولید توان بادی مورد نیاز برای جایگزینی مناسب، با اتکا به روش مونت کارلو و از مقایسه شاخص LOLE در هر مرحله با شاخص LOLE مرجع، بدست آمده است. در آخر، روند رشد بار 5% در استراتژی توسعه با تمرکز صرف روی تولید بادی بررسی شده و میزان تولید مورد نیاز به ازاء هر رشد بار معین تعیین گردیده است. روش پیشنهادی بر روی شبکه IEEE-RTS پیاده سازی شده است.

این مقاله به دو الگوریتم متفاوت مونت کارلو برای تعیین بردار جواب x در دستگاه معادلات خطی x= Ax+fکه در آن Aیک ماتریس نا منفرد داده شده و f برداری از مرتبه Aومعلوم می باشد می پردازد. در این مقاله ما دو نوع ماتریس احتمال انتقال در محاسبات مونت کارلو در نظر می گیریم. در نظر گرفتن ساختارهای متفاوت احتمالی در انتخاب تصادفی عناصر ناصفر ماتریس ضرایب Aموجب می گردد که در به کار گیری از الگوریتم های مربوطه دقت و سرعت متفاوتی نیز داشته باشیم. در ابتدا ما یک براوردیاب نا اریبی برای مولفه های بردار Xمی یابیم سپس جواب برآورد شده مونت کارلو را برای مولفه های بردارX  براساس این برآورد یاب بنا می کنیم. در پایان نتایج محاسباتی تعیین شده به وسیله دو الگوریتم مونت کارلو را نمایش می دهیم.