Upload
nguyenque
View
217
Download
0
Embed Size (px)
Citation preview
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 1
Metody obliczeniowe
– metody Monte Carlo
–zastosowanie metod do obliczenia całek wielokrotnych
wykład nr 5
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 2
Obliczanie całek wielokrotnych
• kubatury - wielowymiarowe odpowiedniki kwadratur złoŜonych• dla funkcji n- zmiennych podział na n-wymiarowe obszary regularne w
których znane są wzory kwadratur prostych
?...),...,(... 11 =∫ ∫∫Ω
nn dxdxxxf
-10
-5
0
5
10
15
20
25
30
Z
0
1
2
3
4
5
6 X
0 1 2 3 4 5 6Y
dla funkcji n- zmiennych dokonując podziału odcinka [a i ,b i ] (i=1,...,n)
na mczęści otrzymujemymn n- wymiarowych kostek
?)(...),...,(... 11 śrnn Xfdxdxxxf ⋅Ω=∫ ∫∫Ω
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 3
• X– zmienna losowa:– zdarzenie losowe – rzut monetą – moŜliwe wartości zmiennej 0,1
• x1=0 : wyrzucenie reszki • x2=1: wyrzucenie orła
• EX– wartość oczekiwana zmiennej X (= p 1x1+ p 2x2 =1/2)
• Sn=X(1)+...+X(n) – suma wartości n realizacji zmiennej losowej X
Prawo wielkich liczbilustracja
• przeprowadzając duŜą liczbę rzutów symetryczną monetą, moŜemy oczekiwać Ŝe stosunek liczby "wyrzuconych" orłów do liczby wszystkich rzutów będzie bliski 0,5 • tym większe są na to szanse im większa jest liczba rzutów
Przy dostatecznie duŜej liczbie prób częstość wystąpienia danegozdarzenia losowego będzie się dowolnie mało róŜniła od jego
prawdopodobieństwa. (Bernoulli 1713)
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 4
Prawo wielkich liczbzasada metody Monte Carlo
Z prawdopodobieństwem dowolnie bliskim 1 moŜna się spodziewać iŜprzy dostatecznie duŜej liczbie prób średnia wartość zmiennej losowej
będzie się dowolnie mało róŜniła od wartości oczekiwanej tej zmiennej. • X(i) – realizacje zmiennej losowej X o rozkładzie normalnym
• Definiując zmienną losową Sn= X(1)+...+ X(n) wnioskujemy iŜ dla dowolnych εεεε>0, δδδδ>0 :
∞→−<<− ndlaEXn
SP n δε 1)|(|
Mówimy Ŝeciąg zmiennych losowych Sn/n jest zbieŜny (wg prawdopodobieństwa)
do wartości oczekiwanej zmiennej losowej X
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 5
Przykładwykorzystywanie zjawisk losowych w procesach obliczeniowych
– Igła Buffona
• obliczenie wartości liczby ππππ za pomocąlosowych rzutów igły na płaszczyznę– l długość igły (l<d )– d odległość pomiędzy równoległymi liniami– x odległość środka igły od najbliŜszej prostej
– ϕϕϕϕ mniejszy z kątów pomiędzy igłą a prostopadłą do linii
– M liczba wszystkich wykonanych rzutów– N liczba rzutów w których igła przecięła jedną
z linii– kaŜdy rzut –realizacja zmiennej losowej 2-
wymiarowej (x, ϕϕϕϕ)(x, ϕϕϕϕ) ∈∈∈∈[0,d/2] ××××[0, π/2]
ϕ
Zmienna losowa: zdarzenie losowe(rzut igłą) ⇒ (x, ϕϕϕϕ) ∈∈∈∈[0,d/2] ××××[0, π/2]
ϕcos2l
x <igła przecina jedną z prostych jeśli
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 6
Przykład– Igła Buffona
)()( xXPxF <=
• dystrybuanta zmiennej losowejX
1),(lim =∞→∞→
ϕϕ
xFx
1)(lim =∞→
xFx
oznacza prawdopodobieństwo, Ŝe zmienna losowa X jest mniejsza od pewnej liczby rzeczywistej x.
• gęstość prawdopodobieństwa zmiennej losowej ciągłej X - funkcja f(x) spełniająca warunek:
∫∞−
=x
dttfxF )()(
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 7
Przykład– Igła Buffona
)()( xXPxF <=
• dystrybuanta zmiennej losowejX
1),(lim =∞→∞→
ϕϕ
xFx
• gęstość prawdopodobieństwa zmiennej losowej ciągłej(x, ϕϕϕϕ)
∫ ∫∞− ∞−
=x
dtduutfxFϕ
ϕ ),(),(
• dystrybuanta zmiennej losowej(x, ϕϕϕϕ)
),(),( ϕϕ <Φ<= xXPxF
1)(lim =∞→
xFx
oznacza prawdopodobieństwo, Ŝe zmienna losowa X jest mniejsza od pewnej liczby rzeczywistej x.
• gęstość prawdopodobieństwa zmiennej losowej ciągłej X - funkcja f(x) spełniająca warunek:
∫∞−
=x
dttfxF )()(
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 8
Przykład– Igła Buffona
∫ ∫∞− ∞−
=x
dtduutfxFϕ
ϕ ),(),(
PoniewaŜ(x, ϕϕϕϕ) ∈∈∈∈[0,d/2] ××××[0, π/2] 0)2/lub2/(
0)0lub0(
=>>=<<πϕ
ϕdXP
XP
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
d/2
ππππ /2
1),(lim =∞→∞→
ϕϕ
xFx
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 9
Przykład– Igła Buffona
≤≤≤≤=
..02
0,2
04
),(pp
dx
dxfπϕ
πϕ
∫ ∫∞− ∞−
=x
dtduutfxFϕ
ϕ ),(),(
PoniewaŜ(x, ϕϕϕϕ) ∈∈∈∈[0,d/2] ××××[0, π/2] 0)2/lub2/(
0)0lub0(
=>Φ>=<Φ<πdXP
XP
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
d/2
ππππ /2
1),(lim =∞→∞→
ϕϕ
xFx
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 10
Przykład– Igła Buffona
≤≤≤≤=
..02
0,2
04
),(pp
dx
dxfπϕ
πϕPoniewaŜ
(x, ϕϕϕϕ) ∈∈∈∈[0,d/2] ××××[0, π/2]
prawdopodobieństwo iŜ igła przetnie jedną z prostych wynosi:
igła przecina jedną z prostych jeśli
ϕπφ cos2
],2
,0[l
x <∈
)cos2
,2
( ϕπ lFp =
∫ ∫∞− ∞−
=x
dtduutfxFϕ
ϕ ),(),(
),(),( ϕϕ <Φ<= xXPxF
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 11
Przykład– Igła Buffona
≤≤≤≤=
..02
0,2
04
),(pp
dx
dxfπϕ
πϕPoniewaŜ
(x, ϕϕϕϕ) ∈∈∈∈[0,d/2] ××××[0, π/2]
prawdopodobieństwo iŜ igła przetnie jedną z prostych wynosi:
igła przecina jedną z prostych jeśli
ϕπφ cos2
],2
,0[l
x <∈
d
ldxd
ddxdxf
lFp
ll
πϕ
πϕϕϕπ
π ϕπ ϕ24
),()cos2
,2
(2
0
cos2
0
2
0
cos2
0
==== ∫ ∫∫ ∫
∫ ∫∞− ∞−
=x
dtduutfxFϕ
ϕ ),(),(
),(),( ϕϕ <Φ<= xXPxF
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 12
Przykład– Igła Buffona
• prawdopodobieństwo iŜ igła przetnie jedną z prostych wynosi
d
lp
π2=
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 13
Przykład– Igła Buffona
prawdopodobieństwo iŜ igła przetnie jedną z prostych wynosi
M
NMp ≈)(
)(Mpp ≈
Zadanie: zapisz kod programu wyznaczający liczbę ππππ opisaną metodą, wykorzystaj funkcj ę SciLaba rand() do generowania liczb losowych.
d
lp
π2=
p(M) – prawdopodobieństwo empiryczne zdarzenia - igła przetnie jedną z prostych, wyznaczone na podstawie Mrzutów
porównujemy wartości p i p(M):
M
N
d
l ≈π2
N
M
d
l2≈π
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 14
Obliczenie całki wielokrotnej metod ą Monte Carlo• Dana funkcja
całkowalna po obszarze domkniętym i ograniczonym S.
• Obliczamy całkę
• geometrycznie liczba I przedstawia m-wymiarową objętość walcoidu prostego w przestrzeni Rm+1, zbudowanego nad podstawą S, ograniczonego z góry daną powierzchnią
• Czy
),...,( 1 mxxfy =
∫ ∫∫=S
mm dxdxxxfI ...),...,(... 11
?)(...),...,(... 11 śr
S
mm XfSdxdxxxf ⋅=∫ ∫∫
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 15
Obliczenie całki wielokrotnej metod ą Monte Carlo• Dana funkcja
całkowalna po obszarze domkniętym i ograniczonym S.
• Obliczamy całkę
• geometrycznie liczba I przedstawia m-wymiarową objętość walcoidu prostego w przestrzeni Rm+1, zbudowanego nad podstawą S, ograniczonego z góry daną powierzchnią
• Czy
),...,( 1 mxxfy =
∫ ∫∫=S
mm dxdxxxfI ...),...,(... 11
?)(...),...,(... 11 śr
S
mm XfSdxdxxxf ⋅=∫ ∫∫
• Określam zmienną losową X:• zdarzenie losowe: wybór punktu z obszaru S• wartość zmiennej losowej: wartość funkcji f w wybranym punkcie
Całka z funkcji f moŜe być określona jako
EXSdxdxxxfS
mm ⋅=∫ ∫∫ ...),...,(... 11
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 16
• Całkę przekształcamy w ten sposób, by obszar całkowania zawarty był w całości wewnątrz n-wymiarowego prostopadłościanu o boku jednostkowym– obszar S ograniczamy m-wymiarowym równoległobokiem
– dokonujemy zamiany zmiennych:
∫ ∫∫=S
mm dxdxxxfI ...),...,(... 11
miAxa iii ,...,2,1=≤≤
miaAax iiiii ,...,2,1)( =−+= ξ
⇒
Obliczenie całki wielokrotnej metod ą Monte Carlo
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 17
Obliczenie całki wielokrotnej metod ą Monte Carlo
• obliczamy Jacobian przekształcenia
• otrzymujemy całkę
))...()((
...00
............
0...0
0...0
221122
11
mm
mm
aAaAaA
aA
aA
aA
−−−=
−
−−
))(,...,)(()(...)()(),...,(
...),...,(...
111122111
11
mmmmmmm
mm
aAaaAafaAaAaAF
ddFI
ξξξξ
ξξξξσ
−+−+⋅−⋅⋅−⋅−=
= ∫ ∫∫
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 18
Obliczenie całki wielokrotnej metod ą Monte Carlo
• wybieramy mciągów losowych o rozkładzie równoprawdopodobnym w przedziale [0,1]
• punkty moŜemy rozpatrywać jako punkty losowe
• bierzemy Npunktów (dostatecznie duŜą liczbę): M1,M2,...,M N
• sprawdzamy które z nich naleŜą do obszaru σσσσ• niech (dla wygody zmieniamy wskaźniki):
,...,...,,
...
,...,...,,
,...,...,,
)()(2
)(1
)2()2(2
)2(1
)1()1(2
)1(1
mn
mm
n
n
ξξξ
ξξξ
ξξξ
,...2,1),...,,( )()2()1( == iM miiii ξξξ
NNNidlaM
NidlaM
i
i
,...,2,1
,...,2,1
00
0
++=∉=∈
σσ
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 19
Obliczenie całki wielokrotnej metod ą Monte Carlo
• biorąc dostatecznie duŜą liczbę punktów M1,M2,...,M N0 naleŜących do obszaru σσσσ moŜemy przybliŜyć wartość oczekiwaną EXzmiennej losowej Xprzez średnią arytmetyczną (prawo wielkich liczb)
• szukana całka wyraŜa się wzorem (σσσσ oznacza m-wymiarową objętość obszaru całkowaniaσσσσ)
• jeśli objętość σσσσ trudno obliczyć, moŜemy przyjąć
∑=
=0
10
)(1 N
iiśr MF
Ny
∑=
==0
10
)(N
iiśr MF
NyI
σσ
∑=
≈⇒≈0
1
0 )(1 N
iiMF
NI
N
Nσ
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 20
Obliczenie całki wielokrotnej metod ą Monte Carloprzykład obliczeniowy
• obliczamy całkę
• obszar całkowania określony jest nierównościami
• generujemy Npunktów losowych,
leŜących w [0,1] ××××[0,1]
∫∫ +=S
dxdyyxI )( 22
120,121 −≤≤≤≤ xyx
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 21
0.90.2167...0.24820.8729...24825100000
0.70.2173... 0.24870.8736...248710000
0.21875
0.2181...
0.2281...
0.153...
I
przybliŜona wartość
całki
30.10.170.901...17100
4.30.2680.851...2681000
0.30.24850.8773...24854100000
wartość dokładna całki
błąd procentowy
N0/N
przybliŜone pole obszaru
całkowania
średnia wartośćN0
liczba punktów naleŜących do
obszaru całkowania
N
liczba wygenerowanych punktów losowych
Obliczenie całki wielokrotnej metod ą Monte Carloprzykład obliczeniowy
Zadanie: zapisz kod programu obliczający metodą Monte Carlo wartość całki z funkcji f(x,y,z)=x+2y+z po toroidzie powstałym w wyniku obrotu kwadratu o boku = 1, punktem obrotu –środek układu współrzędnych, promień obrotu = 5.
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 22
Zasady metody Monte Carlo
Postępowanie• opisanie danego zadania obliczeniowego w języku rachunku
prawdopodobieństwa poprzez wprowadzenie zmiennej losowej• w oparciu o generatory liczb losowych wielokrotna realizacja
zmiennej losowej• na podstawie otrzymanych wyników, przy uŜyciu metod
statystycznych uzyskanie pewnych informacje o rozkładzie tej zmiennej losowej(najczęściej oszacowanie wartości oczekiwanej rozwaŜanej zmiennej losowej)
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 23
Zasada metody Monte Carlo
Rozwiązanie klasycznego problemu obliczeniowego• algorytm (ciąg działań obliczeniowych)
– znalezienie szukanej wielkości f dokładnie albo z zadanym błędem
– proces ściśle zdeterminowany: kaŜda realizacja algorytmu przy bezbłędnym wykonaniu daje ten sam wynik
Metody Monte Carlo • proces obliczeniowy niezdeterminowany– określają go wyniki
prób losowych, róŜne realizacje algorytmu mogą dawać róŜne wyniki – skonstruowanie klasycznego algorytmu jest praktycznie niemoŜliwe
– algorytm jest bardzo złoŜony, lub wymaga długotrwałych obliczeń
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 24
Niektóre zastosowania metody Monte Carlo
• rozwiązywanie układów równań liniowych
• odwracanie macierzy
• obliczanie całek wielokrotnych
• zadania związane z ruchem (sieci kolejowe, sterowanie sygnalizacją uliczną)
• symulacja zjawisk fizycznych
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 25
Zastosowanie metody Monte Carlookreślenie prawdopodobieństwa awarii obiektu budowlanego
• N nośność : moŜliwość przejęcia przez obiekt (fundament) obciąŜeń zewnętrznych (wypadkowa wszystkich sił utrzymujących konstrukcjęw równowadze)
• S oddziaływanie (obciąŜenie – wypadkowa wszystkich sił dąŜących do utraty stateczności przez konstrukcję)
Funkcja stanu granicznego
G = N – S
oddziela strefę bezpieczną od strefy zagroŜenia
<≥
=0
0G
stan bezpieczny
stan zagroŜenia
• prawdopodobieństwo awarii (niespełnienia warunku granicznego)
0 <= GPp
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 26
Zastosowanie metody Monte Carlookreślenie prawdopodobieństwa awarii obiektu budowlanego
• N nośność : fundament palowy
∑ ⋅⋅+⋅⋅⋅=i
issp tASqD
SNii4
2π
Sp : współczynnik technologiczny = 1,3
D[m] : średnica pala = 1,5 m
q [kPa ]: jednostkowa wytrzymałość gruntu pod podstawą pala = 1560 kPa
Ssi : współczynnik technologiczny
Asi [m2] : pole pobocznicy
t i [kPa]: jednostkowa wytrzymałość gruntu wzdłuŜ pobocznicy
i – indeks warstwy gruntu
Parametry Sp,q,t i określono jako zmienne losowe o rozkładzie
normalnym i współczynniku zmienności = 0,10
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 27
Zastosowanie metody Monte Carlookreślenie prawdopodobieństwa awarii obiektu budowlanego
Rozkład normalny N( µµµµ, σσσσ) (σ = współczynnik zmienności • µ)
- funkcja gęstości prawdopodobieństwa (krzywa Gaussa)
// losowa warto ść zmiennej losowej // o rozkładzie normalnym N(0,1)
rand(1,1,”normal”)
∫=≤<b
a
dttfbxaP )()(
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 28
Zastosowanie metody Monte Carlookreślenie prawdopodobieństwa awarii obiektu budowlanego
Parametry Sp,q,t i określono jako zmienne losowe o rozkładzie
normalnym i współczynniku zmienności = 0,10
Przy uŜyciu funkcji SciLaba rand() wygenerowanie wartości
(realizacji) dla rozkładu N(0,1) dla kaŜdej zmiennej losowej
q0 = 1560 kPaq = q 0·wsp_zm· rand(N,1,”normal”) + q 0 Rozkład normalny
dla parametru q (1560 kPa)
Rozkład normalny N(0,1)
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 29
Zastosowanie metody Monte Carlookreślenie prawdopodobieństwa awarii obiektu budowlanego
Obliczenia: • wykorzystano program komputerowy napisany w języku Scilab • w algorytmie uŜyto metody Monte Carloodpowiednio dla N = 10000 prób losowych
8000
7500
7000
6500
6000
5500
5000
ObciąŜenie Sj
[kN]
N
NGP 00 ≈<
N - liczba prób losowych
N0- liczba prób losowych w których G<0
Zadanie: obliczyć, wykorzystując opisaną metodę, oraz podane wyŜej dane prawdopodobieństwo awarii
fundamentu, przyjmuj ąc iŜ fundament znajduje się w jednej warstwie gruntu o parametrach: Ss1=0,8; t1=64 kPa;
As1=141 m2. Przyjąć obciąŜenie S=8500 kN
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 30
Zastosowanie metody Monte Carlookreślenie prawdopodobieństwa awarii obiektu budowlanego
Prawdopodobieńs two awarii
0
0,1
0,2
0,3
0,4
0,5
0,6
5000 5500 6000 6500 7000 7500 8000
obciąŜe nie na pa l [kN]
84 pale - pierwotny 77 pali 79 pali 81 pali 83 pale 84 pale
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 42
funkcje SciLaba
• rand() – generator liczb losowych
Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 5Nr: 43
PodsumowanieZastosowanie metod Monte-Carlo
• Istota i załoŜenia metody Monte Carlo– pojęcie zbieŜności stochastycznej
– wnioski z prawa wielkich liczb
• Igła Buffon’a
• Obliczenie całki wielokrotnej metodą Monte Carlo– przekształcenie obszaru całkowania
– wykorzystanie generatora liczb losowych
– obliczenie wartości przybliŜonej całki