Diese Webseite nutzt Cookies

Diese Webseite verwendet Cookies zur Verbesserung der Benutzererfahrung. Indem Sie weiterhin auf dieser Webseite navigieren, erklären Sie sich mit der Verwendung von Cookies einverstanden.

Falls Sie Probleme mit einer wiederauftauchenden Cookie-Meldung haben sollten, können Ihnen diese Anweisungen weiterhelfen.

Essenzielle Cookies ermöglichen grundlegende Funktionen und sind für die einwandfreie Funktion der Website erforderlich.
Statistik Cookies erfassen Informationen anonym. Diese Informationen helfen uns zu verstehen, wie unsere Besucher unsere Website nutzen.
Mitglied werden Sponsor werden

Monte-Carlo-Simulation

Monte-Carlo-Simulation oder Monte-Carlo-Studie, auch MC-Simulation, ist ein Verfahren aus der Stochastik, bei dem eine sehr große Zahl gleichartiger Zufallsexperimente die Basis darstellt. Es wird dabei versucht, analytisch nicht oder nur aufwendig lösbare Probleme mit Hilfe der Wahrscheinlichkeitstheorie numerisch zu lösen. Als Grundlage dienen Zufallszahlen aus Computerberechnungen, bei denen zur Simulation von zufälligen Ereignissen mit geeigneten Algorithmen scheinbar zufällige Zahlen berechnet werden, die auch als Pseudozufallszahlen bezeichnet werden.

Zu den Pionieren der Monte-Carlo-Methode in den 1940er Jahren gehören Stanislaw Ulam, Nicholas Metropolis und John von Neumann

Methoden

Metropolis-Monte-Carlo

Der von Nicholas Metropolis publizierte Metropolisalgorithmus zur Untersuchung statistisch-mechanischer Systeme mittels Computersimulation leitet sich von der Monte-Carlo-Integration ab.

Sequentielle Monte-Carlo-Methode (SMC)

Sequentielle Monte-Carlo-Methoden eignen sich zur Bayesschen Zustandsschätzung von dynamischen Systemen. Ziel ist es, den Systemzustand als Funktion der Zeit auf Basis einer Reihe von Beobachtungen des Systems und A-priori-Kenntnissen der Systemdynamik zu schätzen. Dazu wird die komplizierte Wahrscheinlichkeitsdichte des Zustandes diskret durch eine Menge von Partikeln approximiert. Sequentielle Monte-Carlo-Methoden werden auch Partikelfilter genannt.

Quanten-Monte-Carlo-Methoden (QMC)

Quanten-Monte-Carlo-Methoden werden zur Berechnung physikalischer Observablen in quantenfeldtheoretischen Modellen benutzt. Beispiele sind Modelle aus der theoretischen Festkörperphysik wie das Hubbard-Modell oder das tJ-Modell.

kinetische Monte-Carlo-Methode

Die kinetische Monte-Carlo-Methode erlaubt es den zeitlichen Fortschritt eines Systems zu simulieren.

Verbreitete Programmpakete mit Monte-Carlo-Methoden

  • PYTHIA ist ein Simulationsprogramm für die Teilchenphysik und simuliert Kollisionen und dabei entstehende Teilchen.
  • SHERPA ist ein Simulationsprogramm für die Hochenergie-Teilchenphysik. Entstanden an der TU Dresden, wird es inzwischen von einer international verteilten Arbeitsgruppe um Frank Krauss entwickelt.
  • MCNP (Monte-Carlo N-Particle Transport Code) ist ein in Kerntechnik und Kernfusionstechnik sehr viel verwendetes Simulationsprogramm.
  • SPICE ist ein Simulationsprogramm für analoge, digitale und gemischte elektronische Schaltungen. Mit der Monte-Carlo-Simulation ist es möglich, die Auswirkungen der Streuung der Bauteilewerte innerhalb der angegebenen Toleranz zu berechnen. 

Bedeutung in der Geothermie

In der Geothermie werden Monte Carlo Simulationen routinemäßg eingesetzt zur Quantifizierung konzeptioneller Modelle, aber auch zur Berechnung des Wärmeinhalts der Ressource (heat in place).

Literatur

Bruce Dickson and Geoff Beckitt : The application of Monte Carlo modelling to downhole total-count logging of uranium: part II – high grade mineralisation. In: Exploration Geophysics Nummer 44 (3) ( ), S. 199-205 dx.doi.org/10.1071/EG12068 

Garg, S. K. and Combs, J: Appropriate use of USGS volumetric heat in place method and Monte Carlo calculations. In: Proc, 35th Workshop on geothermal reservoir engineering, Stanford Uni- versity (2010) 

Sabodh K. Garg, Jim Combs: Appropriate Use of USGS Volumetric “Heat in Place” Method and Monte Carlo Calculations. In: In: Proceedings. 34th Workshop on Geothermal Reservoir Engineering; 2010/02/01; Stanford, CA. Stanford, CA: Stanford University, Stanford Geothermal Program; p. SGP-TR-188 (2010) 

Sarmiento, Z.F.; Steingrimsson, B.: Computer programme for resource assessment and risk evaluation using Monte Carlo simulation. In: Lecture to UNU Iceland (2007) 

Zosimo F. Sarmiento, Benedikt Steingrimsson: Computer Programme for Reource Assessment and Risk Evaluation Using Monte Carlo Simulation. In: In: Short Course on Geothermal Project Management and Development in Central America; 2008/11/20; Entebbe, Uganda. Entebbe, Uganda: United Nations University Geothermal Training Programme; p. 11 (2008) 

Weblink

https://de.wikipedia.org/wiki/Monte-Carlo-Simulation 

Zuletzt bearbeitet Januar 2020, Änderungs- oder Ergänzungswünsche bitte an info@geothermie.de