Elementy wspo łczesnej teorii inwersji

Podobne dokumenty
Elementy wspo łczesnej teorii inwersji

Elementy wspo łczesnej teorii inwersji

Elementy wspo łczesnej teorii inwersji

Współczesna technika inwersyjna - dokad zmierzamy? Wojciech Dȩbski

Metody inwersji Bayesowskiej - zaczynamy...

Inverse problems - Introduction - Probabilistic approach

Lokalizacja zjawisk sejsmicznych w kopalni - problemy. Lokalizacja - problemy. brak czasu w ognisku. Lokalizacja względna. niedokładne wyznaczanie

Metody inwersji Bayesowskiej -L7- IGF PAN, 21.IV.2005







Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

ELEMENTY GEOFIZYKI. Seismologia W. D. ebski

5. WNIOSKOWANIE PSYCHOMETRYCZNE

Rozkłady wielu zmiennych

6. Identyfikacja wielowymiarowych systemów statycznych metodanajmniejszychkwadratów

Własności wyznacznika

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Wykład5,str.1. Maszyny ze stosem ... 1,0 λ r. λ,z λ

Wektory i wartości własne

Postać Jordana macierzy

Wektory i wartości własne

Zaawansowane metody numeryczne

Fizyka źródła sejsmicznego cz

Zestaw 12- Macierz odwrotna, układy równań liniowych

Metody oceny stanu zagrożenia tąpaniami wyrobisk górniczych w kopalniach węgla kamiennego. Praca zbiorowa pod redakcją Józefa Kabiesza

Wykład 14. Elementy algebry macierzy

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

Ekonometria. Przepływy międzygałęziowe. Model Leontiefa. Jakub Mućk. Katedra Ekonomii Ilościowej. Przepływy międzygałęziowe Model Leontiefa

POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

Maciej DWORNIK, Andrzej LEŚNIAK Akademia Górniczo Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków

Przekształcanie równań stanu do postaci kanonicznej diagonalnej

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11

MACIERZE I WYZNACZNIKI

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających

Wstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe. P. F. Góra

Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk

KARTA MODUŁU / KARTA PRZEDMIOTU

1 Warunkowe wartości oczekiwane

Uogólniona Metoda Momentów

Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne

LABORATORIUM Z FIZYKI

SPIS TREŚCI. Od Autora. Wykaz ważniejszych oznaczeń. 1. Wstęp 1_. 2. Fale i układy akustyczne Drgania układów mechanicznych 49. Literatura..

Układy równań liniowych, macierze, Google

Zastosowania wyznaczników


Prawdopodobieństwo i statystyka

Formy kwadratowe. Rozdział 10

Węglowego. Title: Pasywna tomografia sejsmiczna obszaru Górnośląskiego Zagłębia. Author: Wojciech Dębski, Łukasz Rudziński

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

D1. Algebra macierzy. D1.1. Definicje

Zaawansowane metody numeryczne

Analityczne metody detekcji uszkodzeń

Macierze. Układy równań.

Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems)

Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Miary splątania kwantowego

Statystyka i eksploracja danych

Układy równań i równania wyższych rzędów

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska

Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe

Wykład 13 Mechanika Kwantowa

x x 1. Przedmiot identyfikacji System x (1) x (2) : x (s) a 1 a 2 : a s mierzone, a = zestaw współczynników konkretyzujacych F ()

METODY STATYSTYCZNE W BIOLOGII

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

Agata Boratyńska Statystyka aktuarialna... 1

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Przekształcenia liniowe

Weryfikacja hipotez statystycznych

METODY STATYSTYCZNE W BIOLOGII

Zagadnienia na egzamin poprawkowy z matematyki w klasie III zsz. 5. Statystyka-średnia arytmetyczna, średnia ważona, mediana, dominanata.

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne

Praca dyplomowa magisterska

Natalia Neherbecka. 11 czerwca 2010

WYKŁAD 2. Problem regresji - modele liniowe

Analiza szeregów czasowych: 7. Liniowe modele stochastyczne

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

O pewnych związkach teorii modeli z teorią reprezentacji

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

Metoda największej wiarygodności

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

10. Metody obliczeniowe najmniejszych kwadratów

Diagonalizacja macierzy i jej zastosowania

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO UZYSKANIA ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI W KLASIE I GIMNAZJUM

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

teoria i przykłady zastosowań

UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne

O ŚREDNIEJ STATYSTYCZNEJ

ELEMENTY GEOFIZYKI. Atmosfera W. D. ebski

Ekonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

Transkrypt:

Elementy wspo łczesnej teorii inwersji W. Debski, 27.11.2014

Zagadnienia modelowania i inwersji uogólnienie debski@igf.edu.pl: W2-1 IGF PAN, 27.11.2014

Zagadnienie odwrotne - pomiary pośrednie zagadnienie odwrotne pomiar pośredni (estymacja parametrów) debski@igf.edu.pl: W2-2 IGF PAN, 27.11.2014

Zagadnienia odwrotne - estymacja parametrów Modelowanie: Inwersja: m d th = G(m) d obs m est debski@igf.edu.pl: W2-3 IGF PAN, 27.11.2014

Zagadnienie odwrotne (ogólnie) zagadnienie odwrotne proces wnioskowania debski@igf.edu.pl: W2-4 IGF PAN, 27.11.2014

Elementy wspo łczesnej teorii inwersji Inwersja - Wnioskowanie debski@igf.edu.pl: W2-5 IGF PAN, 27.11.2014

Zagadnienia odwrotne - estymacja parametrów Parametry i wielkości mierzalne System fizyczny: Parametery układu: p 1, p 2, p K m = (m 1, m 2, m M ) Przewidywane mierzalne wielkości: d = (d 1, d 2, d N ) Parametry ustalone (znane a priori): m fix = (u 1, u 2, ) debski@igf.edu.pl: W2-6 IGF PAN, 27.11.2014

Przykład - propagacja fal sejsmicznych System fizyczny: r s, r r, t, v Zagadnienie lokalizacji: m = r s = (r x, r y, r z ) d = t m fix = v, r r Tomografia pr edkościowa: m = v = (v 1, v 2, v M ) d = t, m fix = r r, r s debski@igf.edu.pl: W2-7 IGF PAN, 27.11.2014

Lokalizacja wstrzasów 21 48' 22 00' 22 12' 22 24' 38 24' NAF RODI FISH ANEM 38 24' UNI EGIO 38 12' CLAU 38 12' DERV 38 00' 21 48' 22 00' 22 12' 22 24' 38 00' debski@igf.edu.pl: W2-8 IGF PAN, 27.11.2014

Tomografia sejsmiczna v =? debski@igf.edu.pl: W2-9 IGF PAN, 27.11.2014

Liniowy problem odwrotny m = (m 1, m 2, m M ) M d = (d 1, d 2, d N ) D d(m) = G m d(m) = G(m) G(m o ) + H δm m = m o + δm debski@igf.edu.pl: W2-10 IGF PAN, 27.11.2014

Liniowy problem odwrotny Podejście naiwne: m est = G 1 d obs Ale dim(g) = N M jest na ogół macierza prostokatn a debski@igf.edu.pl: W2-11 IGF PAN, 27.11.2014

Liniowy problem odwrotny d = G m / G T G T d = G T G m G T G = G T G + λi m est = (G T G + λi) 1 G T d obs debski@igf.edu.pl: W2-12 IGF PAN, 27.11.2014

Liniowy problem odwrotny m m apr ; d = G m apr d = G m / d d d = G (m m apr ) G T (d d) = G T G (m m apr ) G T G = G T G + λi m est = m apr +(G T G+λI) 1 G T (d obs G m apr) debski@igf.edu.pl: W2-13 IGF PAN, 27.11.2014

Liniowy problem odwrotny λ - parametr dowolny = rozwiazanie jest subiektywne m est = m est (λ) 1) λ m est m apr + 1 λ GT (d obs G m apr) 2) λ 0 m est... debski@igf.edu.pl: W2-14 IGF PAN, 27.11.2014

Liniowy problem odwrotny - subiektywność rozwiazania m est = m apr + (G T G + λi) 1 G T (d obs G m apr) Załóżmy, że G T G jest diagonalna 1) (G T G) ii 0 2) (G T G) ii = 0 m est = (G T G) 1 G T m est nieokreślone (d obs) debski@igf.edu.pl: W2-15 IGF PAN, 27.11.2014

Liniowy problem odwrotny - ocena rozdzielczości m = (m 1, m 2,... m M ) jak dokładnie potrafimy wyznaczyć m i? czy otrzymane m i, m j sa skorelowane? m est = m apr + (G T G + λi) 1 G T (d obs G m apr) d true = G m true ; d obs = d true m est m apr = R(λ) (m true m apr ) debski@igf.edu.pl: W2-16 IGF PAN, 27.11.2014

Liniowy problem odwrotny - ocena rozdzielczości R = m est i G T G G T G + λi = R ij m true j Otrzymane parametry m est sa przefitrowanymi obrazami nieznanych, prawdziwych m true. Obecność tego filtru wynika ze skończonej ilości posiadanych danych a wiec i informacji o parametrach m. debski@igf.edu.pl: W2-17 IGF PAN, 27.11.2014

Liniowy problem odwrotny - ocena rozdzielczości Average R ii 1.0 0.8 0.6 0.4 γ=0.001 γ=1 γ=10 γ=100 0.2 0.0 1 2 3 4 5 Cell size [cm] debski@igf.edu.pl: W2-18 IGF PAN, 27.11.2014

Elementy wspo łczesnej teorii inwersji Liniowy problem odwrotny - ocena rozdzielczos ci debski@igf.edu.pl: W2-19 IGF PAN, 27.11.2014

Technika algebraiczna - przykład A dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2 d obs = (2, 2) m 1, m 2 =???? d 1 = m 1 + m 2 d 2 = m 1 m 2 (1) debski@igf.edu.pl: W2-20 IGF PAN, 27.11.2014

Technika algebraiczna - przykład B d = G m d = 2 2 m = m 1 m 2 G = 1 1 1 1 G T G = 2 0 0 2 (G T G) 1G T = 1/2 1/2 1/2 1/2 m 1 = 0; m 2 = 2 debski@igf.edu.pl: W2-21 IGF PAN, 27.11.2014

Technika algebraiczna - B dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2... d 5 d 1 = m 1 + m 2 d 2 = m 1 m 2 d 3 = m 1 + 2m 2 (2) d obs = (2, 2, 4, 2, 4) d 4 = 2m 1 + m 2 d 5 = m 1 + 2m 2 debski@igf.edu.pl: W2-22 IGF PAN, 27.11.2014

Technika algebraiczna - B d = G m d 1 d 2 d 3 d 4 d 5 = 1 1 1 1 1 2 2 1 1 2 m 1 m 2 m 1 = 0; m 2 = 2 debski@igf.edu.pl: W2-23 IGF PAN, 27.11.2014

Technika algebraiczna - C dwa parametry m 1, m 2 mierzona wielkość: d 1 d 1 = m 1 + m 2 d obs = 2 m 1, m 2 =???? debski@igf.edu.pl: W2-24 IGF PAN, 27.11.2014

Technika algebraiczna - D dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2, d 3 G = 1 1 1 1 1 2 d obs = (2, 0, 4) m 1, m 2 =???? debski@igf.edu.pl: W2-25 IGF PAN, 27.11.2014

Technika algebraiczna - E dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2, d 3 G = 1 1 5 5 1 1 d obs = (2, 10, 2) m 1, m 2 =???? debski@igf.edu.pl: W2-26 IGF PAN, 27.11.2014

Inwersja - technika Back projection data d d=f(m) m model parameter debski@igf.edu.pl: W2-27 IGF PAN, 27.11.2014

Back projection Projection "BackProjection" SOURCE -1 SOURCE-3 SOURCE-2 DATA debski@igf.edu.pl: W2-28 IGF PAN, 27.11.2014

Elementy wspo łczesnej teorii inwersji Koniec debski@igf.edu.pl: W2-29 IGF PAN, 27.11.2014