2015年,碧菲分離膜(大連)有限公司開始將碧菲分離技術(shù)引入中國,成為美國碧菲科技集團(tuán)在中國的制造中心。
碧菲致力于以最節(jié)能的方式生產(chǎn)清潔的空氣和水,為每個(gè)人帶來更健康的生活。
"/>
|
技術(shù)優(yōu)享丨蒙特·卡羅方法的基本思想和分子模擬計(jì)算 二維碼
發(fā)表時(shí)間:2022-08-30 12:56 蒙特·卡羅方法(Monte Carlo method),也稱統(tǒng)計(jì)模擬方法,是二十世紀(jì)四十年代中期由于科學(xué)技術(shù)的發(fā)展和電子計(jì)算機(jī)的發(fā)明,而被提出的一種以概率統(tǒng)計(jì)理論為指導(dǎo)的一類非常重要的數(shù)值計(jì)算方法。是指使用隨機(jī)數(shù)(或更常見的偽隨機(jī)數(shù))來解決很多計(jì)算問題的方法。 基本思想 當(dāng)所求解問題是某種隨機(jī)事件出現(xiàn)的概率,或者是某個(gè)隨機(jī)變量的期望值時(shí),通過某種"實(shí)驗(yàn)"的方法,以這種事件出現(xiàn)的頻率估計(jì)這一隨機(jī)事件的概率,或者得到這個(gè)隨機(jī)變量的某些數(shù)字特征,并將其作為問題的解。 工作過程 蒙特卡羅方法的解題過程可以歸結(jié)為三個(gè)主要步驟:構(gòu)造或描述概率過程;實(shí)現(xiàn)從已知概率分布抽樣;建立各種估計(jì)量。 蒙特卡羅方法解題過程的三個(gè)主要步驟: (1)構(gòu)造或描述概率過程 對于本身就具有隨機(jī)性質(zhì)的問題,如粒子輸運(yùn)問題,主要是正確描述和模擬這個(gè)概率過 程,對于本來不是隨機(jī)性質(zhì)的確定性問題,比如計(jì)算定積分,就必須事先構(gòu)造一個(gè)人為的概率過程,它的某些參量正好是所要求問題的解。即要將不具有隨機(jī)性質(zhì)的問題轉(zhuǎn)化為隨機(jī)性質(zhì)的問題。 (2)實(shí)現(xiàn)從已知概率分布抽樣 構(gòu)造了概率模型以后,由于各種概率模型都可以看作是由各種各樣的概率分布構(gòu)成的,因此產(chǎn)生已知概率分布的隨機(jī)變量(或隨機(jī)向量),就成為實(shí)現(xiàn)蒙特卡羅方法模擬實(shí)驗(yàn)的基本手段,這也是蒙特卡羅方法被稱為隨機(jī)抽樣的原因。最簡單、最基本、最重要的一個(gè)概率分布是(0,1)上的均勻分布(或稱矩形分布)。隨機(jī)數(shù)就是具有這種均勻分布的隨機(jī)變量。隨機(jī)數(shù)序列就是具有這種分布的總體的一個(gè)簡單子樣,也就是一個(gè)具有這種分布的相互獨(dú)立的隨機(jī)變數(shù)序列。產(chǎn)生隨機(jī)數(shù)的問題,就是從這個(gè)分布的抽樣問題。在計(jì)算機(jī)上,可以用物理方法產(chǎn)生隨機(jī)數(shù),但價(jià)格昂貴,不能重復(fù),使用不便。另一種方法是用數(shù)學(xué)遞推公式產(chǎn)生。這樣產(chǎn)生的序列,與真正的隨機(jī)數(shù)序列不同,所以稱為偽隨機(jī)數(shù),或偽隨機(jī)數(shù)序列。不過,經(jīng)過多種統(tǒng)計(jì)檢驗(yàn)表明,它與真正的隨機(jī)數(shù),或隨機(jī)數(shù)序列具有相近的性質(zhì),因此可把它作為真正的隨機(jī)數(shù)來使用。由已知分布隨機(jī)抽樣有各種方法,與從(0,1)上均勻分布抽樣不同,這些方法都是借助于隨機(jī)序列來實(shí)現(xiàn)的,也就是說,都是以產(chǎn)生隨機(jī)數(shù)為前提的。由此可見,隨機(jī)數(shù)是我們實(shí)現(xiàn)蒙特卡羅模擬的基本工具。 (3)建立各種估計(jì)量 一般說來,構(gòu)造了概率模型并能從中抽樣后,即實(shí)現(xiàn)模擬實(shí)驗(yàn)后,我們就要確定一個(gè)隨機(jī)變量,作為所要求的問題的解,我們稱它為無偏估計(jì)。建立各種估計(jì)量,相當(dāng)于對模擬實(shí)驗(yàn)的結(jié)果進(jìn)行考察和登記,從中得到問題的解。 數(shù)學(xué)應(yīng)用: 通常蒙特·卡羅方法通過構(gòu)造符合一定規(guī)則的隨機(jī)數(shù)來解決數(shù)學(xué)上的各種問題。對于那些由于計(jì)算過于復(fù)雜而難以得到解析解或者根本沒有解析解的問題,蒙特·卡羅方法是一種有效的求出數(shù)值解的方法。一般蒙特·卡羅方法在數(shù)學(xué)中最常見的應(yīng)用就是蒙特·卡羅積分。 工作過程 在解決實(shí)際問題的時(shí)候應(yīng)用蒙特·卡羅方法主要有兩部分工作: 1. 用蒙特·卡羅方法模擬某一過程時(shí),需要產(chǎn)生某一概率分布的隨機(jī)變量。 2. 用統(tǒng)計(jì)方法把模型的數(shù)字特征估計(jì)出來,從而得到實(shí)際問題的數(shù)值解。 折疊分子模擬計(jì)算 使用蒙特·卡羅方法進(jìn)行分子模擬計(jì)算是按照以下步驟進(jìn)行的: 1. 使用隨機(jī)數(shù)發(fā)生器產(chǎn)生一個(gè)隨機(jī)的分子構(gòu)型。 2. 對此分子構(gòu)型的其中粒子坐標(biāo)做無規(guī)則的改變,產(chǎn)生一個(gè)新的分子構(gòu)型。 3. 計(jì)算新的分子構(gòu)型的能量。 4. 比較新的分子構(gòu)型于改變前的分子構(gòu)型的能量變化,判斷是否接受該構(gòu)型。 若新的分子構(gòu)型能量低于原分子構(gòu)型的能量,則接受新的構(gòu)型,使用這個(gè)構(gòu)型重復(fù)再做下一次迭代。 若新的分子構(gòu)型能量高于原分子構(gòu)型的能量,則計(jì)算玻爾茲曼因子,并產(chǎn)生一個(gè)隨機(jī)數(shù)。若這個(gè)隨機(jī)數(shù)大于所計(jì)算出的玻爾茲曼因子,則放棄這個(gè)構(gòu)型,重新計(jì)算。 若這個(gè)隨機(jī)數(shù)小于所計(jì)算出的玻爾茲曼因子,則接受這個(gè)構(gòu)型,使用這個(gè)構(gòu)型重復(fù)再做下一次迭代。 5. 如此進(jìn)行迭代計(jì)算,直至最后搜索出低于所給能量條件的分子構(gòu)型結(jié)束。 折疊項(xiàng)目管理 項(xiàng)目管理中蒙特·卡羅模擬方法的一般步驟是: 1.對每一項(xiàng)活動,輸入最小、最大和最可能估計(jì)數(shù)據(jù),并為其選擇一種合適的先驗(yàn)分布模型; 2.計(jì)算機(jī)根據(jù)上述輸入,利用給定的某種規(guī)則,快速實(shí)施充分大量的隨機(jī)抽樣 3.對隨機(jī)抽樣的數(shù)據(jù)進(jìn)行必要的數(shù)學(xué)計(jì)算,求出結(jié)果 4.對求出的結(jié)果進(jìn)行統(tǒng)計(jì)學(xué)處理,求出最小值、最大值以及數(shù)學(xué)期望值和單位標(biāo)準(zhǔn)偏差 5.根據(jù)求出的統(tǒng)計(jì)學(xué)處理數(shù)據(jù),讓計(jì)算機(jī)自動生成概率分布曲線和累積概率曲線(通常是基于正態(tài)分布的概率累積S曲線) 6.依據(jù)累積概率曲線進(jìn)行項(xiàng)目風(fēng)險(xiǎn)分析。 折疊力學(xué) 在力學(xué)中,蒙特卡羅方法多被用來求解稀薄氣體動力學(xué)問題,其中最為成功的是澳大利亞G.A.伯德等人發(fā)展的直接模擬統(tǒng)計(jì)試驗(yàn)法。此法通過在計(jì)算機(jī)上追蹤幾千個(gè)或更多的模擬分子的運(yùn)動、碰撞及其與壁面的相互作用,以模擬真實(shí)氣體的流動。它的基本假設(shè)與玻耳茲曼方程一致,但它是通過追蹤有限個(gè)分子的空間位置和速度來代替計(jì)算真實(shí)氣體中分布函數(shù)。模擬的相似條件是流動的克努曾數(shù)(Kn)相等,即數(shù)密度與碰撞截面之積保持常數(shù)。對每個(gè)分子分配以記錄其位置和速度的單元。在模擬過程中分別考慮分子的運(yùn)動和碰撞,在此平均碰撞時(shí)間間隔內(nèi),分別計(jì)算分子無碰撞的運(yùn)動和典型碰撞。若空間網(wǎng)格取得足夠小,其中任意兩個(gè)分子都可以互相碰撞。具體決定哪兩個(gè)剛體分子相撞,是隨機(jī)取一對分子,計(jì)算它們的相對速度,根據(jù)此值與最大相對速度的比值和隨機(jī)取樣比較的結(jié)果,來決定該對分子是否入選。碰撞后分子的速度根據(jù)特定分子模型的碰撞力學(xué)和隨機(jī)取樣決定。分子與壁面碰撞后的速度,則根據(jù)特定的反射模型和隨機(jī)取樣決定。對于運(yùn)動分子的位置和速度的追蹤和求矩可以得出氣體的密度、溫度、速度等一些感興趣的宏觀參量。而對于分子與壁面間的動量和能量交換的記錄則給出阻力、舉力和熱交換系數(shù)等的數(shù)學(xué)期望值。 |