不確定性量化 Uncertainty Quantification: Theory, Implementation, and Applications
[美] Ralph C. Smith 黃寒硯
- 出版商: 國防工業
- 出版日期: 2026-09-01
- 售價: $834
- 語言: 簡體中文
- 頁數: 356
- ISBN: 7118144835
- ISBN-13: 9787118144833
-
相關分類:
機率統計學 Probability-and-statistics
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$219統計學習理論基礎 -
$230人工智能算法 捲1 基礎算法 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$405 -
$269人工智能算法 捲2 受大自然啟發的算法 -
$474金融中的機器學習 -
$270矩陣分析 -
$535利用 Python 實現概率、統計及機器學習方法(原書第2版) -
$760精通機器學習算法 -
$356強化學習演算法入門 -
$504深度學習的理論基礎與核心算法 -
$249矩陣論及其應用 -
$468矩陣之美(基礎篇) -
$861概率機器學習 (基礎篇) -
$374Gemini 深度使用手冊 -
人工智能數學基礎$959$911 -
Gemini 使用指南$474$450 -
一本搞定 Google AI:Gemini、NotebookLM、Workspace AI、Nano Banana 到 Gemini Omni,學會清晰化、結構化、規格化的 AI 工作法$399$315 -
零基礎學 Vibe Coding:用 AI 做出網站、App 與工作自動化工具$550$434 -
Gemini Notebook 知識管理術 - 打造你的 AI 第二大腦$620$489 -
Gemini Notebook 任務神助手:200+ 實戰指令串聯 Gemini Notebook 與 AI Agent,全面解鎖學習、職場、生活與創意應用$650$507 -
$414統計學習方法和R語言實踐 -
AI 提問 X 學習 X 應用:ChatGPT、NotebookLM、Gemini、GitHub Copilot,從零到 AI Agent 實戰$390$308 -
$588Python 金融機器學習 -
$534Python 人工智能金融實操 -
$594Python 機器學習 方法及實踐
相關主題
商品描述
本書系統闡述不確定性量化的理論、實施方法及工程應用,源自作者在北卡羅來納州立大學開設的同名課程,適用於數學、工程等多領域高年級本科生、研究生及科研人員。 全書共15章,搭建從基礎理論到實踐應用的完整框架:前4章講解不確定性量化核心概念、大規模應用場景、原型模型及概率統計基礎;第5至8章聚焦參數估計,涵蓋隨機輸入表征、參數篩選、頻率學派與貝葉斯估計方法及MCMC等現代計算技術;第9至11章介紹不確定性傳播的隨機譜方法、稀疏網格技術;最後4章深入探討模型偏差修正、代理建模、局部與全局敏感性分析等實際建模難題。 本書兼顧理論嚴謹性與實踐指導性,融入氣候預測、核工程、生物建模等跨學科實例,突出參數估計、不確定性傳播等核心方法在全流程中的定位,既適合作為系統學習的教材,也可作為科研人員的方法參考。
目錄大綱
第1章 引言
1.1 不確定性與誤差的性質
1.1.1 試驗不確定性與局限性
1.1.2 模型和輸入不確定性
1.1.3 數值誤差與不確定性
1.1.4 不確定性的類型
1.2 預測估計
第2章 大規模應用
2.1 氣象模型
2.1.1 保守關系
2.1.2 現象學模型
2.1.3 仿真模型
2.1.4 模型校準、數據與數據同化
2.1.5 不確定性的來源與本質
2.1.6 不確定性量化在天氣預報中的作用
2.1.7 參考文獻
2.2 氣候模型
2.2.1 氣候驅動力與反饋機制
2.2.2 氣候模型
2.2.3 氣候建模中不確定性量化的作用
2.2.4 註釋與參考文獻
2.3 地下水文與地質學
2.3.1 模型與不確定性的作用
2.3.2 參考文獻
2.4 核反應堆設計
2.4.1 輕水反應堆
2.4.2 反應堆模型
2.4.3 不確定性量化在反應堆設計中的作用
2.4.4 概率風險評估
2.4.5 參考文獻
2.5 生物模型
2.5.1 HIV模型
2.5.2 不確定性的來源與作用
2.5.3 穩健控制設計
2.5.4 參考文獻
第3章 原型模型
3.1 模型
3.2 演化模型、定常模型和代數模型
3.3 抽象建模框架
3.3.1 線性系統
3.3.2 非線性系統
3.4 參數和輸入的符號
3.5 習題
第4章 概率論、隨機過程和統計基礎
4.1 隨機變量、分布和密度函數
4.1.1 一元隨機變量
4.1.2 多元隨機變量
4.2 估計量、估計值和抽樣分布
4.3 普通最小二乘和極大似然估計
4.3.1 普通最小二乘估計(OLS)
4.3.2 極大似然估計(MLE)
4.4 收斂及極限定理
4.5 隨機過程
4.6 馬爾可夫鏈
4.7 隨機微分方程
4.8 統計推斷
4.8.1 頻率學派與貝葉斯學派
4.8.2 貝葉斯推斷
……
第5章 隨機輸入的表示
第6章 參數選擇技術
第7章 用於參數估計的頻率論技術
第8章 貝葉斯參數估計技術
第9章 模型中的不確定性傳播
第10章 隨機譜方法
第11章 稀疏網絡求積和插值技術
第12章 模型差異存在時的預測
第13章 代理模型
第14章 局部靈敏度分析
第15章 全局靈敏度分析
