VISIM , sequential simulation for linear inverse problems
Los problemas gaussianos de linealidad inversa se resuelven de forma tradicional usando inversin̤ basada en mn̕imos cuadrados. A menudo se escoge el centro de la distribucin̤ de probabilidad posterior de Gauss como la solucin̤ de tales problemas, mientras que esta es, de hecho, la distribucin̤ en s...
Guardado en:
| Otros Autores: | , , |
|---|---|
| Formato: | Libro |
| Lenguaje: | inglés |
| Materias: | |
| Acceso en línea: | VISIM , sequential simulation for linear inverse problems |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | Los problemas gaussianos de linealidad inversa se resuelven de forma tradicional usando inversin̤ basada en mn̕imos cuadrados. A menudo se escoge el centro de la distribucin̤ de probabilidad posterior de Gauss como la solucin̤ de tales problemas, mientras que esta es, de hecho, la distribucin̤ en s ̕misma.Los autores de este documento presentan un algoritmo basado en simulacin̤ secuencial directa que puede utilizarse para extraer muestras de la distribucin̤ de probabilidad posterior para problemas de linealidad inversa. No existe una restriccin̤ gaussiana sobre la distribucin̤ en el espacio de parm̀etros del modelo.Como los datos para los problemas de linealidad inversa se pueden ver como promedios ponderados lineales sobre algn͠ volumen, es posible usar el kriging de bloques para llevar a cabo tanto la estimacin̤ como la simulacin̤. Aqu ̕se muestra el sistema kriging que se us ̤para implementar un algoritmo flexible basado en GSLIB para resolver problemas de linealidad inversa.Se muestra cm̤o se implement ̤este programa de simulacin̤ condicionado por los datos lineales promedio. El programa se llama VISIM (Volume Average Integration SIMulation, simulacin̤ de integracin̤ de volumen promedio). Se hizo un esfuerzo para hacer este programa eficiente an͠ para problemas de gran escala y se investigaron la eficiencia y la exactitud del cd̤igo. |
|---|