• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>World environmental and water resources congress >Adaptive Bayesian Contaminant Source Characterization in Water Distribution Systems via a Parallel Implementation of Markov Chain Monte Carlo (MCMC)
【24h】

Adaptive Bayesian Contaminant Source Characterization in Water Distribution Systems via a Parallel Implementation of Markov Chain Monte Carlo (MCMC)

机译：通过并行实现马尔可夫链蒙特卡罗（MCMC）实现供水系统中的自适应贝叶斯污染物源表征

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A Markov Chain Monte Carlo (MCMC) implementation of Bayesian analysis can yield a probabilistic source characterization conditioned on available sensor data. Harrison and Wang (2009) proposed an MCMC approach tailored for water distribution systems with an emphasis on the proposal distribution, often the most problematic component of MCMC. Here, we present an adaptive framework of taking mobile sensor measurements to further complement the fixed sensors. It is implemented in a computationally feasible parallel implementation of the approach. The results demonstrate the potential of Bayesian analysis and the MCMC method for contaminant event management.
机译：Markov Chain Monte Carlo（MCMC）的贝叶斯分析的实施可以在可用的传感器数据上产生概率源表征。哈里森和王（2009年）提出了一种针对水分配系统量身定制的MCMC方法，重点是提案分布，通常是MCMC最有问题的成分。这里，我们提出了一种采用移动传感器测量的自适应框架，以进一步补充固定传感器。它以计算方式实现的方法实现。结果表明，贝叶斯分析的潜力和污染事件管理的MCMC方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号