خرید و دانلود نسخه کامل کتاب Uncertainty Quantification: Theory, Implementation, and Applications

توضیحاتی در مورد کتاب

زمینه کمی سازی عدم قطعیت به دلیل تاکید روزافزون بر مدل هایی که به عدم قطعیت های کمی برای کاربردهای در مقیاس بزرگ نیاز دارند، توسعه الگوریتم های جدید و معماری های محاسباتی جدید که اجرای این الگوریتم ها را تسهیل می کند، به سرعت در حال تکامل است. کمی سازی عدم قطعیت: تئوری، پیاده سازی و کاربردها مفاهیم اساسی، نظریه و الگوریتم های لازم برای تعیین کمیت عدم قطعیت های ورودی و پاسخ برای مدل های شبیه سازی که در طیف وسیعی از رشته ها به وجود می آیند را در اختیار خوانندگان قرار می دهد.

کتاب با یک بحث مفصل در مورد کاربردهایی که در آن تعیین کمیت عدم قطعیت برای درک علمی و سیاست بسیار مهم است، آغاز می شود. سپس مفاهیمی از احتمال و آمار، تکنیک‌های انتخاب پارامتر، کالیبراسیون مدل بیزی و مکرر، انتشار عدم قطعیت‌ها، تعیین کمیت اختلاف مدل، ساخت مدل جایگزین، و تحلیل حساسیت محلی و جهانی را پوشش می‌دهد. نویسنده یک صفحه وب تکمیلی دارد که در آن خوانندگان می توانند داده های مورد استفاده در تمرین ها و سایر مطالب تکمیلی را بیابند.

کمی سازی عدم قطعیت: نظریه، اجرا و کاربردها شامل تعداد زیادی از تعاریف و نمونه هایی که از مجموعه ای از مدل های نسبتا ساده برای نشان دادن مفاهیم استفاده می کنند. ارجاعات متعدد به موضوعات پژوهشی جاری و آزاد؛ و تمرین هایی که مفاهیم اساسی را نشان می دهد و خوانندگان را از طریق اجرای عددی الگوریتم ها برای مسائل اولیه راهنمایی می کند. همچنین دارای طیف گسترده ای از کاربردها، از جمله مدل های آب و هوا و آب و هوا، مدل های هیدرولوژی و زمین شناسی زیرسطحی، طراحی نیروگاه هسته ای، و مدل هایی برای پدیده های بیولوژیکی، همراه با پیشرفت های اخیر و موضوعاتی است که در ادبیات تحقیقاتی در 15 سال گذشته ظاهر شده است. از جمله جنبه‌های کالیبراسیون مدل بیزی، توسعه مدل جایگزین، تکنیک‌های انتخاب پارامتر، و تجزیه و تحلیل حساسیت جهانی.

مخاطبان: این متن برای دانشجویان پیشرفته، دانشجویان کارشناسی ارشد، و محققان در ریاضیات، آمار، تحقیق در عملیات، علوم کامپیوتر، زیست شناسی، علوم و مهندسی. این می تواند به عنوان یک کتاب درسی برای دوره های یک یا دو ترم در مورد کمی سازی عدم قطعیت یا به عنوان منبعی برای محققان در طیف گسترده ای از رشته ها استفاده شود. دانش اولیه احتمال، جبر خطی، معادلات دیفرانسیل معمولی و جزئی، و تکنیک های تحلیل عددی مقدماتی فرض شده است. فصل 2: ​​برنامه های کاربردی در مقیاس بزرگ. فصل 3: مدل های اولیه. فصل چهارم: مبانی احتمال، فرآیندهای تصادفی و آمار. فصل 5: نمایش ورودی های تصادفی. فصل 6: تکنیک های انتخاب پارامتر. فصل 7: تکنیک های فرکانس برای تخمین پارامتر. فصل 8: تکنیک های بیزی برای تخمین پارامتر. فصل 9: انتشار عدم قطعیت در مدل ها. فصل 10: روشهای طیفی تصادفی; فصل یازدهم: تکنیک‌های چهارتایی و درونیابی شبکه پراکنده. فصل 12: پیش بینی در صورت وجود اختلاف مدل. فصل 13: مدل های جایگزین; فصل 14: تجزیه و تحلیل حساسیت محلی; فصل 15: تحلیل حساسیت جهانی; ضمیمه الف: مفاهیمی از تحلیل عملکردی. کتابشناسی – فهرست کتب؛ فهرست مطالب