Định lượng không chắc chắn có thể được sử dụng trong việc định vị các giếng dầu mới và xác định mức độ khoan sâu dầu và khí gas. Thông tin cung cấp cho các nhà hoạch định chính sách với một sự hiểu biết tốt hơn về những kết quả có thể có. Nguồn: Pixabay
Định lượng không chắc chắn (UQ) là một kỹ thuật thống kê để dự đoán nhiều hiện tượng phức tạp, như điều kiện thời tiết và rủi ro sóng thần. Nó liên quan đến việc kết hợp dữ liệu thực tế (ví dụ đo thời tiết) cùng với các phương trình toán học để tìm hiểu về các hệ thống vật lý. Những mô hình phức tạp này thường được kết hợp với các vật thể có chiều cao, các bộ dữ liệu lớn hoặc có thể cả hai. Trong các kịch bản như vậy, điều quan trọng của phương pháp tính toán cần thiết để ước lượng các mô hình là sự hiệu quả về nguồn lực. Giáo sư Ajay JASRA từ Khoa Thống kê và Xác suất Ứng dụng, Đại học Quốc gia Singapore (NUS) và các cộng sự đã đề xuất cách tiếp cận hiệu quả hơn để thực hiện tính toán UQ.
Đối với các vấn đề UQ, phương pháp Monte Carlo cho phép người sử dụng ước lượng gần chính xác khối lượng của mối quan tâm một cách hiệu quả. Mặc dù có một phiên bản nâng cao, được gọi là phương pháp Multilevel Monte Carlo (MLMC), nhưng vẫn khó khăn để sử dụng nó cho các vấn đề UQ. Phương pháp MLMC, đối với các vấn đề UQ liên kết với dữ liệu là không đáng kể để áp dụng. Điều này là do việc làm tròn phân phối xác suất được liên kết, điều cần thiết cho phương pháp MLMC hoạt động không phải luôn luôn thực hiện được khi sử dụng mô hình độc lập.
Bài báo gần đây của Giáo sư Jasra và các cộng sự đã phát triển một phương pháp tiếp cận mới cho phép MLMC giải quyết các vấn đề của UQ mà không ảnh hưởng đến độ chính xác trong khi sử dụng ít nguồn lực tính toán hơn.
Trong tương lai, các nhà nghiên cứu dự định mở rộng các phương pháp thống kê để giải quyết nhiều vấn đề. Các phương pháp thống kê sẽ kết hợp phương pháp Monte Carlo đa chỉ số là một phương pháp ít đòi hỏi tính toán hơn với độ chính xác tương tự như MLMC.
Giáo sư Jasra nói: “Những ý tưởng trong công trình nghiên cứu này có thể giúp mở rộng các mô hình được sử dụng cho các vấn đề định lượng độ không chắc chắn, chẳng hạn như việc dự báo thời tiết”.
Nhung Phạm (dịch)
Nguồn: https://phys.org/news/2017-09-monte-carlo-method-computationally-effective.html