ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Modeling Uncertainty in the Earth Sciences

دانلود کتاب مدل سازی عدم قطعیت در علوم زمین

Modeling Uncertainty in the Earth Sciences

مشخصات کتاب

Modeling Uncertainty in the Earth Sciences

دسته بندی: زمين شناسي
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 111999263X, 9781119992639 
ناشر: Wiley 
سال نشر: 2011 
تعداد صفحات: 249 
زبان: English  
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 37,000



کلمات کلیدی مربوط به کتاب مدل سازی عدم قطعیت در علوم زمین: شاخه معدن و زمین شناسی، روش های ریاضی و مدل سازی در زمین شناسی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Modeling Uncertainty in the Earth Sciences به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مدل سازی عدم قطعیت در علوم زمین نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب مدل سازی عدم قطعیت در علوم زمین

مدل‌سازی عدم قطعیت در علوم زمین موضوعات مختلف، تکنیک‌ها و ابزارهای مدل‌سازی عملی موجود برای مدل‌سازی عدم قطعیت سیستم‌های پیچیده زمین و تأثیر آن بر موقعیت‌های عملی را برجسته می‌کند. هدف کتاب ارائه یک نمای کلی مقدماتی است که طیف وسیعی از ابزارهای آزمایش شده را پوشش می دهد. توصیف مفاهیم، ​​فلسفه‌ها، چالش‌ها، روش‌شناسی‌ها و گردش‌های کاری به خواننده می‌دهد بهترین راه برای تصمیم‌گیری در شرایط عدم قطعیت برای مسائل علوم زمین را درک کند. این کتاب موضوعات کلیدی مانند: جنبه مکانی و زمانی را پوشش می‌دهد. پیچیدگی و ابعاد بزرگ؛ قدرت محاسباتی؛ هزینه های «مهندسی» زمین؛ عدم قطعیت در مدل سازی و فرآیند تصمیم گیری با تمرکز بر روش های قابل اعتماد و عملی، این کتاب آغازگر ارزشمندی برای حوزه پیچیده تصمیم گیری با عدم قطعیت در علوم زمین ارائه می دهد.


توضیحاتی درمورد کتاب به خارجی

Modeling Uncertainty in the Earth Sciences highlights the various issues, techniques and practical modeling tools available for modeling the uncertainty of complex Earth systems and the impact that it has on practical situations. The aim of the book is to provide an introductory overview which covers a broad range of tried-and-tested tools. Descriptions of concepts, philosophies, challenges, methodologies and workflows give the reader an understanding of the best way to make decisions under uncertainty for Earth Science problems.The book covers key issues such as: Spatial and time aspect; large complexity and dimensionality; computation power; costs of 'engineering' the Earth; uncertainty in the modeling and decision process. Focusing on reliable and practical methods this book provides an invaluable primer for the complex area of decision making with uncertainty in the Earth Sciences.



فهرست مطالب

Modeling Uncertainty in
the Earth Sciences......Page 3
Contents......Page 7
Preface......Page 13
Acknowledgements......Page 19
1.1.1 Description......Page 21
1.1.2 3D Modeling......Page 23
1.2 Modeling Uncertainty......Page 24
Further Reading......Page 28
2.1 Introduction......Page 29
2.2.1 Histograms......Page 30
2.3.1 Measuring the Center......Page 33
2.3.3 Standard Deviation and Variance......Page 34
2.3.5 Quantiles and the QQ Plot......Page 35
2.4.1 Introduction......Page 36
2.4.2 Sample Space, Event, Outcomes......Page 37
2.4.3 Conditional Probability......Page 38
2.4.4 Bayes’ Rule......Page 39
2.5.2.1 Probability Density Function (pdf)......Page 41
2.5.2.2 Cumulative Distribution Function......Page 42
2.5.3.1 Expectation......Page 43
2.5.4.1 The Gaussian (Normal) Random Variable and Distribution......Page 44
2.5.4.2 Bernoulli Random Variable......Page 45
2.5.4.4 A Poisson Random Variable......Page 46
2.5.4.5 The Lognormal Distribution......Page 47
2.5.5 The Empirical Distribution Function versus the Distribution Model......Page 48
2.5.6 Constructing a Distribution Function from Data......Page 49
2.5.7 Monte Carlo Simulation......Page 50
2.5.8 Data Transformations......Page 52
2.6.2 Graphical Methods: Scatter plots......Page 53
2.6.3.1 Definition......Page 55
Further Reading......Page 57
3.1 What is Uncertainty?......Page 59
3.2 Sources of Uncertainty......Page 60
3.3 Deterministic Modeling......Page 61
3.4 Models of Uncertainty......Page 63
3.5 Model and Data Relationship......Page 64
3.6 Bayesian View on Uncertainty......Page 65
3.7 Model Verification and Falsification......Page 68
3.8 Model Complexity......Page 69
3.9 Talking about Uncertainty......Page 70
3.10.1.2 Creating Data Sets Using Models......Page 71
3.10.2.1 Description......Page 72
3.10.2.3 Parameterization of Subgrid Variability......Page 73
Further Reading......Page 74
4.1 Introduction......Page 75
4.2.1 Example Problem......Page 77
4.2.2 The Language of Decision Making......Page 79
4.2.3 Structuring the Decision......Page 80
4.2.4 Modeling the Decision......Page 81
4.2.4.1 Payoffs and Value Functions......Page 82
4.2.4.2 Weighting......Page 83
4.2.4.3 Trade-Offs......Page 85
4.2.4.4 Sensitivity Analysis......Page 87
4.3.2 Building Decision Trees......Page 90
4.3.3 Solving Decision Trees......Page 92
Further Reading......Page 96
5.1 Introduction......Page 97
5.2.1 Autocorrelation in 1D......Page 99
5.2.2 Autocorrelation in 2D and 3D......Page 102
5.2.3 The Variogram and Covariance Function......Page 104
5.2.4.2 What is the Practical Meaning of a Variogram?......Page 106
5.3.1 Motivation......Page 107
5.3.2 Object Models......Page 109
5.4 3D Training Image Models......Page 110
Further Reading......Page 112
6.1 Introduction......Page 113
6.2 Object-Based Simulation......Page 114
6.3.1 Principle of Sequential Simulation......Page 116
6.3.2 Sequential Simulation Based on Training Images......Page 118
6.3.3 Example of a 3D Earth Model......Page 119
6.4.1 Introduction......Page 120
6.4.2 Linear Estimation......Page 121
6.4.3 Inverse Square Distance......Page 122
6.4.4 Ordinary Kriging......Page 123
6.4.6.2 Using Kriging to Perform (Sequential) Gaussian Simulation......Page 124
Further Reading......Page 126
7.1 Data Integration......Page 127
7.2.1 Introduction......Page 128
7.2.2 Calibration of Information Content......Page 129
7.2.3 Integrating Information Content......Page 130
7.2.4 Application to Modeling Spatial Uncertainty......Page 133
7.3 Variogram-Based Approaches......Page 134
7.4.1 Introduction......Page 136
7.4.2 The Role of Bayes’ Rule in Inverse Model Solutions......Page 138
7.4.3.1 Rejection Sampling......Page 145
7.4.3.2 Metropolis Sampler......Page 148
7.4.4 Optimization Methods......Page 150
Further Reading......Page 151
8.1 Introduction......Page 153
8.2 Data for Structural Modeling in the Subsurface......Page 155
8.3 Modeling a Geological Surface......Page 156
8.4.1 Geological Constraints and Consistency......Page 158
8.4.2 Building the Structural Model......Page 160
8.5.1 Stratigraphic Grids......Page 161
8.5.2 Grid Resolution......Page 162
8.7 Modeling Structural Uncertainty......Page 164
8.7.1 Sources of Uncertainty......Page 166
8.7.2 Models of Structural Uncertainty......Page 169
Further Reading......Page 171
9.1 Introduction......Page 173
9.2 The Concept of Distance......Page 174
9.3.1 Distances, Metric Space and Multidimensional Scaling......Page 176
9.3.2 Determining the Dimension of Projection......Page 182
9.3.3 Kernels and Feature Space......Page 183
9.3.4 Visualizing the Data–Model Relationship......Page 186
Further Reading......Page 190
10.1 Introduction......Page 191
10.2 Surrogate Models and Ranking......Page 192
10.3.2 The Design of Experiments......Page 193
10.3.3 Response Surface Designs......Page 196
10.3.4 Simple Illustrative Example......Page 197
10.3.5 Limitations......Page 199
10.4.1 Introduction......Page 201
10.4.2.1 Introduction......Page 202
10.4.2.2 k-Means Clustering......Page 203
10.4.2.3 Clustering of Earth Models for Response Uncertainty Evaluation......Page 205
10.4.3 Oil Reservoir Case Study......Page 206
10.4.4 Sensitivity Analysis......Page 208
Further Reading......Page 211
11.1 Introduction......Page 213
11.2.1 Introduction......Page 214
11.2.2 Reliability versus Information Content......Page 215
11.2.3 Summary of the VOI Methodology......Page 216
11.2.3.1 Steps 1 and 2: VOI Decision Tree......Page 217
11.2.3.2 Steps 3 and 4: Value of Perfect Information......Page 218
11.2.3.3 Step 5: Value of Imperfect Information......Page 221
11.2.5 Earth Models......Page 222
11.2.6 Value of Information Calculation......Page 223
11.2.7.2 Earth Modeling......Page 228
11.2.7.3 Decision Problem......Page 229
11.2.7.4 The Possible Data Sources......Page 230
11.2.7.5 Data Interpretation......Page 231
Further Reading......Page 233
12.1.1 General Description......Page 235
12.2.1 Solving the Decision Problem......Page 238
12.2.2.1 Buying Geological Information......Page 239
12.3 Sensitivity Analysis......Page 241
Index......Page 245




نظرات کاربران