Aumento da eficiência dos métodos següenciais de simulação condicional

Detalhes bibliográficos
Autor(a) principal: Pilger, Gustavo Grangeiro
Data de Publicação: 2005
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/7099
Resumo: O algoritmo de simulação seqüencial estocástica mais amplamente utilizado é o de simulação seqüencial Gaussiana (ssG). Teoricamente, os métodos estocásticos reproduzem tão bem o espaço de incerteza da VA Z(u) quanto maior for o número L de realizações executadas. Entretanto, às vezes, L precisa ser tão alto que o uso dessa técnica pode se tornar proibitivo. Essa Tese apresenta uma estratégia mais eficiente a ser adotada. O algoritmo de simulação seqüencial Gaussiana foi alterado para se obter um aumento em sua eficiência. A substituição do método de Monte Carlo pela técnica de Latin Hypercube Sampling (LHS), fez com que a caracterização do espaço de incerteza da VA Z(u), para uma dada precisão, fosse alcançado mais rapidamente. A técnica proposta também garante que todo o modelo de incerteza teórico seja amostrado, sobretudo em seus trechos extremos.
id URGS_d0009fe1eca4515a1485585dd0c7c4f3
oai_identifier_str oai:www.lume.ufrgs.br:10183/7099
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Pilger, Gustavo GrangeiroCosta, Joao Felipe Coimbra Leite2007-06-06T19:03:24Z2005http://hdl.handle.net/10183/7099000495118O algoritmo de simulação seqüencial estocástica mais amplamente utilizado é o de simulação seqüencial Gaussiana (ssG). Teoricamente, os métodos estocásticos reproduzem tão bem o espaço de incerteza da VA Z(u) quanto maior for o número L de realizações executadas. Entretanto, às vezes, L precisa ser tão alto que o uso dessa técnica pode se tornar proibitivo. Essa Tese apresenta uma estratégia mais eficiente a ser adotada. O algoritmo de simulação seqüencial Gaussiana foi alterado para se obter um aumento em sua eficiência. A substituição do método de Monte Carlo pela técnica de Latin Hypercube Sampling (LHS), fez com que a caracterização do espaço de incerteza da VA Z(u), para uma dada precisão, fosse alcançado mais rapidamente. A técnica proposta também garante que todo o modelo de incerteza teórico seja amostrado, sobretudo em seus trechos extremos.Sequential simulation is probably the most used algorithm in geostatistical simulation, specially the sequential Gaussian algorithm. In theory, this method maps the space of uncertainty as the number realizations increase. However, some times the number of simulations needs to be large which makes the procedure prohibitive. This Thesis presents a more efficient strategy. The idea is to replace the Monte Carlo simulation by the Latin Hypercube Sampling (LHS) technique in order to improve the efficiency of the algorithm. The use of the modified algorithm showed that the space of uncertainty related to the random variable modeled was faster obtained than the traditional Monte-Carlo simulation for a given degree of precision. This approach also ensures that the model of uncertainty is better represented in its entirety.application/pdfporSimulação estocásticaGeoestatísticaMineraçãoMétodos estatísticosAumento da eficiência dos métodos següenciais de simulação condicionalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia Minas, Metalúrgica e de MateriaisPorto Alegre, BR-RS2005doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000495118.pdf000495118.pdfTexto completoapplication/pdf4363360http://www.lume.ufrgs.br/bitstream/10183/7099/1/000495118.pdf5143ac47b5f03fefffa75e59bb2b88ebMD51TEXT000495118.pdf.txt000495118.pdf.txtExtracted Texttext/plain593570http://www.lume.ufrgs.br/bitstream/10183/7099/2/000495118.pdf.txtdaeb91b6700acd5f90bd2f7cabbde142MD52THUMBNAIL000495118.pdf.jpg000495118.pdf.jpgGenerated Thumbnailimage/jpeg1161http://www.lume.ufrgs.br/bitstream/10183/7099/3/000495118.pdf.jpgdde9250ee99797e974031cd5f894ce58MD5310183/70992018-10-17 09:39:43.469oai:www.lume.ufrgs.br:10183/7099Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T12:39:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Aumento da eficiência dos métodos següenciais de simulação condicional
title Aumento da eficiência dos métodos següenciais de simulação condicional
spellingShingle Aumento da eficiência dos métodos següenciais de simulação condicional
Pilger, Gustavo Grangeiro
Simulação estocástica
Geoestatística
Mineração
Métodos estatísticos
title_short Aumento da eficiência dos métodos següenciais de simulação condicional
title_full Aumento da eficiência dos métodos següenciais de simulação condicional
title_fullStr Aumento da eficiência dos métodos següenciais de simulação condicional
title_full_unstemmed Aumento da eficiência dos métodos següenciais de simulação condicional
title_sort Aumento da eficiência dos métodos següenciais de simulação condicional
author Pilger, Gustavo Grangeiro
author_facet Pilger, Gustavo Grangeiro
author_role author
dc.contributor.author.fl_str_mv Pilger, Gustavo Grangeiro
dc.contributor.advisor1.fl_str_mv Costa, Joao Felipe Coimbra Leite
contributor_str_mv Costa, Joao Felipe Coimbra Leite
dc.subject.por.fl_str_mv Simulação estocástica
Geoestatística
Mineração
Métodos estatísticos
topic Simulação estocástica
Geoestatística
Mineração
Métodos estatísticos
description O algoritmo de simulação seqüencial estocástica mais amplamente utilizado é o de simulação seqüencial Gaussiana (ssG). Teoricamente, os métodos estocásticos reproduzem tão bem o espaço de incerteza da VA Z(u) quanto maior for o número L de realizações executadas. Entretanto, às vezes, L precisa ser tão alto que o uso dessa técnica pode se tornar proibitivo. Essa Tese apresenta uma estratégia mais eficiente a ser adotada. O algoritmo de simulação seqüencial Gaussiana foi alterado para se obter um aumento em sua eficiência. A substituição do método de Monte Carlo pela técnica de Latin Hypercube Sampling (LHS), fez com que a caracterização do espaço de incerteza da VA Z(u), para uma dada precisão, fosse alcançado mais rapidamente. A técnica proposta também garante que todo o modelo de incerteza teórico seja amostrado, sobretudo em seus trechos extremos.
publishDate 2005
dc.date.issued.fl_str_mv 2005
dc.date.accessioned.fl_str_mv 2007-06-06T19:03:24Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/7099
dc.identifier.nrb.pt_BR.fl_str_mv 000495118
url http://hdl.handle.net/10183/7099
identifier_str_mv 000495118
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/7099/1/000495118.pdf
http://www.lume.ufrgs.br/bitstream/10183/7099/2/000495118.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/7099/3/000495118.pdf.jpg
bitstream.checksum.fl_str_mv 5143ac47b5f03fefffa75e59bb2b88eb
daeb91b6700acd5f90bd2f7cabbde142
dde9250ee99797e974031cd5f894ce58
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085072539222016