Please use this identifier to cite or link to this item:https://hdl.handle.net/20.500.12259/34926
Type of publication: Magistro darbas / Master thesis
Field of Science: Informatika / Informatics
Author(s): Stakelytė, Gintarė
Title: Dujotiekių tinklo tikimybinio modelio tyrimas jautrumo analizės metodais
Other Title: Sensitivity analysis of gas network probabilistic model
Extent: 52 p.
Date: 22-May-2017
Event: Vytauto Didžiojo universitetas. Informatikos fakultetas. Matematikos ir statistikos katedra
Keywords: Jautrumo analizė;Magistraliniai dujotiekių tinklai;Monte Karlo modeliavimas;Polinominis chaoso skleidinys;Maksimalaus srauto algoritmas;Sensitivity analysis;Gas transmission networks;Monte Carlo;Polynomial chaos expansion;Maximum flow problem
Abstract: Darbe pateikiamas dujotiekių tinklo tikimybinio modelio tyrimas globalios jautrumo analizės metodais. Analizei naudoti imties bei dispersijos išskaidymo metodai, skirti nagrinėti modelius su nepriklausomais įvesties parametrais: Pirsono bei Spirmeno ranginės koreliacijos koeficientų, standartizuotų regresijos koeficientų taikymas jautrumo analizėje, CSM ir CSV metodai bei koreliacijos santykis. Šiame darbe nagrinėjamo dujotiekių tinklo tikimybinio modelio veikimas yra grįstas maksimalaus srauto algoritmu, o tinklo elementų atsitiktiniai gedimai yra modeliuojami naudojant Monte-Karlo metodą. Pasirinktiems nagrineti modelio rezultatams minėtais metodais atliekama jautrumo analizė ir identifikuojami didžiausią įtaką atitinkamų rezultatų neapibrėžtumui turintys modelio įvesties parametrai. Skirtingais metodais gauti rezultatai palyginami tarpusavyje, taip pat su JRC tyrėjų atliktos jautrumo analizes (naudojant Monte-Karlo filtravimo bei PCE metodus) rezultatais. Siekiama įvertinti, ar nagrinėjant sudetingą modelį, priklausantį nuo daug parametrų bei naudojant ganėtinai nedidelę duomenu imtį, galima gauti gerus jautrumo analizės rezultatus.
The global sensitivity analysis of a gas network probabilistic model is presented. The analysis of model output with independent inputs was performed using sample-based and variance decomposition methods, such as Pearson correlation and Spearman rank correlation coeficients, standardized regression coefficients, CSM and CSV plots and correlation ratio. The gas network probabilistic model is based on maximum flow algorithm, whereas network component failures are simulated using Monte-Carlo method. For each model output the most important input parameters are identified. The results are compared with the results of sensitivity analysis performed by the JRC researchers (Monte-Carlo filtering and PCE methods were used). The study aims to evaluate applicability of simple sensitivity analysis methods to complicated models using small sample size.
Internet: https://eltalpykla.vdu.lt/1/34926
https://hdl.handle.net/20.500.12259/34926
Appears in Collections:2017 m. (IF mag.)

Files in This Item:
gintare_stakelyte_ md.pdf2.73 MBAdobe PDF   Restricted AccessView/Open   Request a copy

Show full item record

Page view(s)

64
checked on Oct 14, 2019

Download(s)

2
checked on Oct 14, 2019

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.