روش مونتکارلو – زنجیره مارکوف
یک از روش های بررسی عدم قطعیت روش مونت کارلو است. در این روش فرض بر این است که سری پارامترهای مختلف، ممکن است برازش تقریباً یکسانی بین رواناب محاسبه ای و مشاهده ای ایجاد کنند. در این حالت برای هر پارامتر محدود به نسبت وسیع مقادیر براساس واسنجی اولیه تعیین شده و سپس سری متناهی پارامترها با استفاده از اعداد تصادفی به دست آمده از توزیع یکنواخت در محدوده مشخص برای هر پارامتر تولید می شود. سپس برای هر سری پارامترها، مدل بارش- رواناب اجرا شده و کارایی آن با معیارهای مختلف نیکویی برازش ارزیابی می شود. با کاهش محدوده پارامترهای بهینه حاصل می شود. معیار نیکویی برازش می تواند در تعیین محدوده بهینه پارامترها نقش مهمی داشته باشد. بنابراین تابع هدفی که برای این منظور تعریف می شود کاملاً وابسته به اهداف شبیه سازی است. در این معادله توابع هدف می توانند بر اساس پارامترهای مختلف هیدروگراف تعریف شوند. در این حالت روش مونت کارلو شبیه سازی مناسبی در محدوده پارامتر ها حتی برای پارامترهای حساس ارایه می دهد (بینلی و همکاران، ۲۰۰۱).
از طرف دیگر روش مونت کارلو یک طبقه از الگوریتمهای محاسبه گر میباشند که برای محاسبه نتایج خود بر نمونه گیریهای تکرار شونده ی تصادفی اتکاء میکنند. روشهای مونته کارلو اغلب زمان انجام شبیه سازی یک سامانه ریاضیاتی یا فیزیکی میشوند استفاده میشوند. به دلیل اتکای آنها بر محاسبات تکراری و اعداد تصادفی یا تصادفی کاذب، روشهای مونته کارو اغلب به گونهای تنظیم میشوند که توسط رایانه اجرا شوند. گرایش به استفاده از روشهای مونته کارلو زمانی بیشتر میشود که محاسبه پاسخ دقیق با کمک الگوریتمهای قطعی ناممکن یا ناموجه باشد. روشهای شبیه سازی مونته کارلو مخصوصا در مطالعه سیستمهایی که در آن تعداد زیادی متغیر با درجه آزادیهای دو به دو مرتبط وجود دارد مفید است، از جمله این سیستمها میتوان به سیالات، جامداتی که به شدت کوپل شدهاند، مواد بی نظم و ساختارهای سلولی (مدل سلولی پاتز – Potts- را ببیند) اشاره نمود. از آن گذشته، روشهای مونته کارلو برای شبیه سازی پدیدههایی که عدم قطعیت زیادی در ورودیهای آنها وجود دارد نیز مفید هستند، مثلاً محاسبه ریسک در تجارت. همچنین این روشها به طور گستردهای در ریاضیات مورد استفاده قرار میگیرند: یک نمونه استفاده سنتی کاربرد این روشها در برآورد انتگرالهای معین است، به خصوص انتگرالهای چند بعدی با محدودههای مرزی پیچیده. واژه مونته کارلو در دهه ۱۹۴۰ (دهه ۱۳۱۰ شمسی) به وسیله فیزیکدانانی که روی پروژه ساخت یک سلاح اتمی در آزمایشگاه ملی لوس آلاموس آمریکا کار میکردند رایج شدهاست.(ویکی پدیا)
روش مونت کارلو را میتوان به بازی نبرد کشتیها تشبیه کرد. ابتدا یکی از بازیکنان شلیکهای تصادفی را انجام میدهد. سپس بازیکن از الگوریتم استفاده میکند (مثلاً یک کشتی جنگی به فاصله چهار خانه در جهت عمودی یا افقی قرار گرفتهاست). در نهایت بر اساس خروجی نمونههای تصادفی و الگوریتم، بازیگر میتواند محل های احتمالی کشتیهای جنگی بازیکن مقابل را حدس بزند.
جهت راهنمایی بیشتر در مورد روش مونت کارلو لطفا فایل مورد نظر را از لینک زیر دانلود بفرمایید:
جهت دانلود آموزش روش مونت کارلو – زنجیره مارکوف کلیک نمایید
با سلام
اقای مسگری جواب سوال من در این فایل نبود؟؟؟؟؟؟؟ من فقط معنی تقسیمات زنجیره مارکف به مرتبه ۱ و ۲ و ۳ و… را می خواهم بدانم زیرا در مقالات مختلف از مدلهای مرتبه متفاوتی بسته به نوع تحقیق بهره برده شده است
سلام و عرض ادب خدمت سرکار خانم الماسی
زنجیره گویای این واقعیت است که هر برآمد به T رویداد قبل از خودش وابسته می باشد و به رویدادهای ما قبل دیگر مربوط نمی شود. برای مثال هر برآمد (نتیجه) فرایند تصادفی که تنها به برآمد بلافاصله قبل از آن بستگی دارد را فرایند تصادفی با ویژگی مارکوف مرتبه اول گویند. در این وضعیت احتمال وقوع یک حالت اقلیمی در زمان t به وضعیت آن در زمان قبل یعنی t-1 بستگی دارد (علیزاده، ۱۳۸۴-۲۸۵). مثلا احتمال خشکی امروز بر اساس وضعیت بارش روز قبل بررسی می شود. بنابراین برای هر زوج حالتهای متوالی یک احتمال وحود دارد. در این صورت احتمال تغییر هر یک از مشاهدات از حالتی به حالت دیگر مشخص می شود.
با سلام
از توضیحات شما سپاسگزارم. در تکمیل فرمایشات شما و برای عزیزانی که مثل بنده در پی تفاوت بین مرتبه های زنجیره مارکف هستند باید عرض کنم که منظور از مارکف مرتبه اول این است که حالت یا وضعیت در زمان اکنون (یا زمان t) تنها به حالت و وضعیت دیروز (یعنی t-1) بستگی دارد ولی در زنجیره مرتبه دوم حالت و و ضعیت امروز به دو زمان قبل (یعنی t-1 و t-2) بستگی داره و این زنجیره تا اخر بدین ترتیب ادامه خواهد داشت برای مثال در زنجیره مارکف مرتبه دوم در زمینه خشکسالی فرضا حالت خشک خشک بارانی را در نظر بگیریم باید سنجید که حالت خشک اول به دو حالت خشک و بارانی قبل بستگی داشته باشد.
سلام و سپاس از توضیحات شما.
جاوید باشید
salam
besyaaaaaaaaaaaaaar ali bood
sitetoon aliye….
bara thesisam kheyli komak kard
sepaaaaaaaaaaaaaaaaaaaas
سلام و سپاس از شما دوست گرانقدر
جاوید باشید
با عرض سلام و وقت بخیر خدمت اساتید محترم:
سایت جامع و بسیار کاربردی دارید و بنده از آموزش ها و مطالب بدون ریا و بی منت اساتید سپاسگزارم و تا بحال نیز راهگشا بسیاری از مشکلاتم بوده است.
احتراما برای پایان نامه خود بر روی مدل بارش-رواناب HEC-HMS کار می کنم که جزء کوچکی از پایان نامه اینجانب می باشد. برای واسنجی و ارزیابی این مدل مقالات متعددی مطالعه کرده ام و کم و بیش با آن آشنایی دارم، مشکل من در آغاز این فرآیند می باشد. بصورتی که باید حوضه مورد نظر را به چند زیر حوضه تقسیم کرد و خصوصیات هر زیر حوضه شامل مساحت، زمان تمرکز، شیب، زمان تاخیر و شماره منحنی (CN) لازم است. سوال بنده این است که این مشخصات را چگونه بدست آورم چون فقط از حوضه مورد نظر میدانم که مساحت کل ۵۷۰۰ کیلومترمربعی دارد و مشخصات ذکر شده را برای کل حوضه دارم و اگر بخواهم زیر حوضه تعریف کنم نمی دانم به چه نحوی عمل کنم. خوشحال می شوم از راهنمایی دوستان گرامی بهره مند شوم.
با تشکر
سلام
از مهرورزی شما دوست گرانقدر سپاسگزارم؛ در این زمینه بهتر هست سوال خود را با آقای داداشی که اگر اشتباه نکنم پایان نامه ارشد خود را با HEC-HMS انجام داده اند مطرح بفرمایید؛ لذا در یکی از مطالب ایشان می توانید اقدام به درج دیدگاه نمایید.
جاوید و مانا باشید
سپاس فراوان
موفق و موید باشید.
با عرض سلام و احترام
چگونه میتوانیم با کمک سری زمانی جریان ورودی به مخزن و روش مونت کارلو یک سری زمانی دیگری را برای جریان ورودی به مخزن پیش بینی کنیم؟
نویسنده: ابراهیم مسگری
دانشجوی دکتری مخاطرات آب و هوایی دانشگاه سیستان و بلوچستان