- •Глава I. Метод Монте-Карло и Понятия теории вероятностей
- •Классификация вероятностно-статистических методов решения прикладных задач
- •§1.2. Некоторые понятия и теоремы теории вероятностей
- •Понятия теории вероятностей
- •1.2.2. Основные теоремы теории вероятностей 4
- •Локальная теорема
- •Интегральная теорема
- •Закон Больших Чисел
- •Центральная предельная теорема (цпт)
- •Эта теорема носит название «Центральная предельная теорема» .
- •1.2.3. Оценка погрешности математического ожидания исследуемой величины
- •1.3. Генераторы, алгоритмы получения и преобразования случайных чисел
- •1.3.1. Получение случайных чисел с помощью случайного эксперимента
- •1.3.2. Алгоритмы получения псевдослучайных чисел 5
- •1.3.3. Понятие эталонной 6, случайной величины
- •1.3.4. Преобразование случайных величин 7
- •1.3.5. Генераторы псевдослучайных чисел на эвм
- •1.3.6. Использование таблицы дискретных случайных чисел
- •1.4. Недостатки и достоинства аналитических, приближенных методов решения математических задач, в том числе и метода Монте-Карло
- •Глава II. Вероятностное моделирование математических задач
- •2.1. Общая теория решения системы линейных уравнений 8
- •2.2. Вычисление интегралов способом среднего
- •Технология вычисления интеграла способом среднего
- •Нахождение определенных интегралов способом «зонтика» Неймана
- •4. Задания на моделирование
- •2.4. Вычисление значения числа
- •2.5. Решение уравнений эллиптического типа (задача Дирихле)
- •Глава III. Имитационное моделирование физических процессов и явлений
- •3.1. Имитационное моделирование задач нейтронной физики
- •3.1.1. Задача имитационного моделирования прохождения нейтронов через пластинку
- •3.1.2. Моделирование сорта ядра и вида взаимодействия нейтрона с ядром
- •3.1.3. Решение задачи розыгрыша типа взаимодействия и сорта ядра имитационным моделированием
- •1. Вычисление микросечений водорода
- •2. Вычисление микросечений кислорода
- •3. Вычисление микросечений бора
- •4. Вычисление полного микросечения
- •5.Розыгрыш сорта ядра
- •6. Розыгрыш типа взаимодействия
- •7.Определение полного макросечения
- •3.1.4. Определение направления и энергии частиц после рассеяния
- •3.1.5. Моделирование длины свободного пробега
- •3.1.6. Имитационное моделирование траектории движения нейтронов через пластинку (двухмерный случай)
- •5. Задания на моделирование:
- •3.2. Имитационное моделирование прохождения
- •6. Задания на моделирование:
- •7. Результаты моделирования
- •3.3. Имитационное моделирование распространения упругих волн в пористых средах (задача геофизики)
- •Результаты моделирования
- •3.4. Имитационное моделирование явления спонтанного излучения атомов
- •3. Задания на моделирование:
- •Моделирование явления спонтанного излучения многоатомной системы (сверхизлучения Дике)
- •2. Задания на моделирование:
- •Глава IV. Методы компьютерного моделирования в термодинамике
- •4.1. Метод молекулярной динамики
- •6. Задания на моделирование:
- •7. Результаты моделирования
- •4.2. Метод броуновской динамики
- •2. Алгоритм метода броуновской динамики
- •3. Расчет макроскопических параметров
- •4. Задания на моделирование:
- •4. 3. Имитационный метод моделирования броуновских траекторий
- •Литература
5. Задания на моделирование:
-
Составить программу для имитации движения нейтронов в плоской пластине из бериллия.
Промоделировать задачу о прохождении нейтронов через пластинку бериллия; рассеяние считать изотропным в системе центра масс. Толщину пластинки выбрать равную h = 5 длин свободного пробега. В качестве переменной вместо энергии Е можно выбрать так называемую летаргию . Плотность падающего потока нейтронов считать постоянным.
Рассчитать отражательную, поглощательную и пропускательную способность бериллия.
Построить одну из траекторий движения нейтрона.
-
-
3.2. Имитационное моделирование прохождения
- излучения через вещество
1. Постановка задачи. Рассмотрим теперь другую задачу. В качестве процесса выберем задачу прохождения - излучения через вещество некоторой протяженности L. Задача состоит в определении поглощательной и отражательной (альбедо) способности пластинки11 (рис.3.7).
3. Имитационная модель. Взаимодействия - кванта со средой будем описывать микро- и макросечениями. Микроскопическое сечение определяет вероятность определенного взаимодействия. Для гамма-квантов известны более 100 видов взаимодействия, но наиболее вероятны четыре.
-
образование электронно-позитронных пар (p),
-
фотоэффект (F),
-
когерентное рассеяние (K),
-
комптоновский эффект ( ).
Каждый квант описывает некоторую траекторию: в 7-мерном фазовом пространстве . Траектория есть последовательность точек . Для нашей модели выделим три основных случайных фактора, которые необходимо определить с помощью имитационного моделирования:
1) длина свободного пробега,
2) вид взаимодействия,
-
направления рассеяния.
Определим основные допущения к нашей имитационной модели:
-
частицы между собой не взаимодействуют;
-
частицы обладают свойством "марковости", т.е. существует зависимость следующего события от предыдущего;
-
среда не изменяется.
-
угол падения прямой;
-
энергия квантов постоянна;
-
направление рассеяния изотропно и происходит в двухмерной плоскости.
4. Схема имитационного моделирования. Для простоты рассуждения рассмотрим только два сорта взаимодействия : а) рассеяние (K), б) поглощение (K). Моделируется каждая отдельная частица, для которой разыгрывается "история" одной частицы:
-
рождение частицы;
-
моделирование свободного пробега;
-
моделирование вида взаимодействия:
-
при условии рассеяния;
-
при условии поглощения или вылета за пределы области;
конец «одной истории»;
возврат к пункту 1.
По данному алгоритму проводится розыгрыш N историй, затем усреднение по всем историям.
5. Использование весов, заменяющих поглощение. Если вместо истории одной частицы рассматривается пакет из N0 частиц вдоль одной траектории, то используется метод статистических «весов». Этот метод заключается в следующем: при первом столкновении поглощаются частиц. Количество частиц в пакете при к + 1-ом столкновении уменьшается до , но никогда не заканчивается поглощением. Вместо доли частиц обычно говорят о статистическом "весе" одной частицы N и следят за одной частицей, а затем проводят обобщение на поток частиц.
При решении сложных задач применяются алгоритмы, разным способом использующие статистические веса. Метод Монте-Карло позволяет рассмотреть любую "геометрию задачи".