Список программного обеспечения для распространения неопределенности - List of uncertainty propagation software
 | Эта статья использование внешняя ссылка может не следовать политикам или рекомендациям Википедии. (Ноябрь 2020) (Узнайте, как и когда удалить этот шаблон сообщения) |
Список программного обеспечения для распространения неопределенности используется для выполнения распространение неопределенности расчеты:
Программного обеспечения
- счеты Настольный калькулятор (Windows), обрабатывает несколько выражений.
- app :: errorcalculator Библиотека и скрипт для обработки табличных значений.
- АГЭУ Мощный веб-интерфейс на базе webMathematica для символьной оценки неопределенности с помощью GUM. Веб-страница также позволяет проводить символическую оценку неопределенности с помощью структуры ASUE (со ссылкой), которая является расширением структуры GUM.
- Хаос является Открытый исходный код числовой Python библиотека для выполнения UQ с использованием продвинутого метода Монте-Карло и полиномиальной аппроксимации, с упором на компонуемость и полиномиальное разложение хаоса. Легко интегрируется в существующий код Python с библиотеками, которые можно напрямую импортировать в среду пользователя. Пакеты можно загрузить из индекса пакетов Python (через pip) или через Conda. Версия для разработчиков доступна через Github. Также может взаимодействовать с любой сторонней моделью программного обеспечения.
- Калькулятор неопределенности Colby College На основе веб-браузера. Ввод формулы, затем запрашиваются значения переменных.
- Дакота представляет собой всеобъемлющий набор инструментов для оптимизации на основе выборки и UQ, разработанный Sandia National Laboratories.
- Dempster Shafer с инструментами интервалов (DSI) это MATLAB набор инструментов для проверенных вычислений под Теория Демпстера – Шафера. Он предоставляет правила агрегации, быстрое (не) монотонное распространение функции, графики основных вероятностных назначений, проверенные анализ дерева отказов (FTA) и многое другое.
- EasyGraph представляет собой пакет для построения графиков, который поддерживает распространение ошибок непосредственно на полосы ошибок.
- epc Калькулятор распространения ошибок (epc) - это инструмент с открытым исходным кодом, основанный на сценариях, который вычисляет распространение ошибок в переменных. Процитируем текст на веб-странице Epc: «Это делается путем повторного вычисления выражения с использованием значений переменных, которые генерируются с помощью генератора случайных чисел, среднее значение и стандартное отклонение которого соответствуют значениям, указанным для переменной». Perl Скрипт.
- Калькулятор распространения ошибок Бесплатный кроссплатформенный калькулятор (macOS, Windows, Linux ) написано в Python. По сути, это графический интерфейс для библиотеки Python Uncertainties. Простота использования и установки. Обрабатывает до 26 пар переменных и ошибок за одно вычисление. Оценивает собственные выражения Python. Для использования не требуется никаких предварительных знаний языка Python. Установщик Windows включает зависимости Python.
- ErrorCalc это приложение для научного калькулятора для iPhone или iPad, которое выполняет распространение ошибок (поддерживает алгебраический режим и режим ввода RPN)
- FuncDesigner Библиотека и автономная (через оболочку Python). Вовлекает автоматическая дифференциация, возможно крупномасштабная редкость.
- Язык сценариев называется 'суетливый ', похожий на C.
- ГУМсим представляет собой симулятор Монте-Карло и средство оценки неопределенности для Windows. Автономный; подробные следствия модельного уравнения.
- ГУМ Дерево представляет собой шаблон проектирования для распространения неопределенности измерения. Реализация существует в р и дополнения для Excel (действительные и комплексные числа).
- Калькулятор Дерева ГУМ - это программируемый инструмент командной строки Windows с полной поддержкой расчетов неопределенностей, связанных с реальными и комплексными величинами.
- ГУМ Верстак использует графический пользовательский интерфейс, чтобы реализовать систематический способ анализа проблемы неопределенности для одного или нескольких результатов. ГУМ + Монте-Карло. Доступна бесплатная ограниченная образовательная версия.
- gum_mc: Каркас ГУМа и метод Монте-Карло. Автономный.
- В Густав Адольф пропагатор - это калькулятор с открытым исходным кодом, который поддерживает распространение ошибок, разработанный Томасом Хубером.
- Гвар - библиотека Python для распространения неопределенности первого порядка с корреляциями. Возможности прозрачной обработки массивов, словарей и словарей массивов; численные вычисления с распространением неопределенности сплайнов, матричные операции, дифференциальные уравнения, интегралы, степенные ряды и уравнения. Нетривиально установить в Windows, предоставляется скомпилированный двоичный файл здесь.
- В распространитель laffers.net это веб-инструмент для распространения ошибок в данных. Инструмент использует стандартные методы размножения.
- LNE-MCM - бесплатное программное обеспечение для Windows, предназначенное для оценки неопределенности измерений с использованием моделирования Монте-Карло в соответствии с Приложением 1 к GUM. Кроме того, реализованы дополнительные функции, такие как многомерные модели, анализ чувствительности для обеспечения бюджет неопределенности и критерий согласия для выборок выходных величин. Требуется среда выполнения MATLAB.
- Пакет неопределенностей основной библиотеки Mathos Открытый исходный код (библиотека таргетинга .NET).
- MC-Ed является родным программным обеспечением Windows для выполнения расчетов неопределенности в соответствии с Приложением 1 к Руководству по выражению неопределенности измерений с использованием метода Монте-Карло.
- MCM Alchimia это автономное последовательное и многоязычное программное обеспечение для оценки неопределенности. Рабочий стол Windows ГУМ + Монте-Карло. Поддерживает модели регрессии и интерполяции методом наименьших квадратов.
- Measurements.jl это бесплатный калькулятор и библиотека с открытым исходным кодом. Он поддерживает действительные и комплексные числа с неопределенностью, арифметика произвольной точности вычисления, функциональная корреляция между переменными, математические операции и операции линейной алгебры с матрицами и массивами, а также численное интегрирование с использованием Квадратура Гаусса – Кронрода.
- MonteCarloMeasurements.jl - это бесплатный калькулятор и библиотека нелинейного распространения ошибок с открытым исходным кодом, поддерживающая произвольные многомерные распределения, дифференцирование, линейную алгебру и арифметика произвольной точности. Распространяет неопределенности с помощью образцов Монте-Карло.
- МЕТАС UncLib это C # программная библиотека и калькулятор командной строки. Обертка MATLAB и Обертка Python существовать. Он поддерживает: многомерные неопределенности, комплексные значения, корреляции, векторную и матричную алгебру.
- пакет metRology для R metRology - это пакет R для поддержки метрологических приложений. Среди других функций для метрологии он включает поддержку оценки неопределенности измерений с использованием алгебраического и числового дифференцирования и методов Монте-Карло.[1]. Включает алгебраическое и численное дифференцирование первого порядка, в том числе конечно-разностное с заданным размером шага и метод Крагтена,[2] а также моделирование Монте-Карло. Оценка может применяться к выражениям, формулам и функциям R.
- MetroloPy, Инструменты Python для работы с физическими величинами: распространение неопределенности и преобразование единиц. Первый порядок и распространение неопределенности Монте-Карло; обрабатывает относительные, абсолютные и расширенные неопределенности величин с единицами измерения.
- МУЗА Моделирование и оценка неопределенности измерений с использованием метода Монте-Карло. Интерпретирует XML файл описания модели.
- MUQ представляет собой набор инструментов UQ, разработанный MIT для выборки методом Монте-Карло цепи Маркова, построения полиномиального хаоса, транспортных карт и многих других операций. Он имеет интерфейсы C ++ и Python.
- OpenCOSSAN это MATLAB набор инструментов для распространения неопределенности, анализа надежности, обновления модели, оптимизации чувствительности и надежной конструкции. Позволяет взаимодействовать со сторонними решателями. Интерфейс с HPC через GridEngine и OpenLava.
- Машина неопределенности NIST калькулятор неопределенности, использующий формулу Гаусса и методы Монте-Карло. Пользователи получают к нему доступ через веб-браузер, но он работает в Язык программирования R на сервере.[3]. Полный документация.
- OpenTURNS это C ++ и Python структура для вероятностного моделирования и управления неопределенностями, разработанная консорциумом OpenTURNS (Airbus, EDF R&D, IMACS, Phimeca, ONERA ). Он содержит современные алгоритмы одномерного, многомерного и бесконечномерного вероятностного моделирования (арифметика независимых случайных величин, связок, байесовских моделей, стохастических процессов и случайных полей), моделирования Монте-Карло, суррогатного моделирования (кригинг, разложение функционального хаоса, низкий ранг тензорная аппроксимация, разложение Карунена-Лоэва, смешение экспертов), оценка редких событий (уменьшение дисперсии, методы надежности FORM / SORM), робастная оптимизация, анализ глобальной чувствительности (ANCOVA, индексы Соболя). Он может взаимодействовать со сторонним программным обеспечением через общий интерфейс Python, который также позволяет подключать средства HPC. Он предоставляет методы калибровки (включая байесовские) и полный набор интерфейсов для оптимизирующих решателей.
- размножаться: пакет R, который выполняет распространение ошибок с помощью приближения Тейлора первого и второго порядка (GUM 2008) и моделирования Монте-Карло (GUM 2008 S1) с использованием полной ковариационной структуры.
- ПП представляет собой комплексный набор инструментов для UQ на основе выборки (уменьшение размеров, анализ поверхности отклика, распространение неопределенности, анализ чувствительности, численная оптимизация, статистический вывод, оптимизация в условиях неопределенности), разработанный в Ливерморской национальной лаборатории Лоуренса.
- QMSys ГУМ - мощный коммерческий инструмент для анализа неопределенности измерений, включая моделирование методом Монте-Карло для Windows (доступна бесплатная ограниченная образовательная версия).
- Расчет риска поддерживает анализ границ вероятности, стандартную нечеткую арифметику и классический интервальный анализ для проведения анализа риска без распределения или непараметрического анализа. Также обрабатывает неопределенность в отношении корреляций.
- SmartUQ представляет собой коммерческий программный пакет для количественной оценки неопределенности и аналитики. Возможности включают генерацию DOE, создание эмулятора, распространение неопределенности, анализ чувствительности, статистическую калибровку и обратный анализ.
- SOERP реализует распространение ошибок второго порядка в виде бесплатной библиотеки Python. Расчеты выполняются естественным образом в формате калькулятора, и корреляции сохраняются. Автоматически вычисляет все первые и вторые производные выражения с помощью бесплатного пакета Python объявление.
- SCaViS это бесплатная программа для анализа данных, написанная на Java и поддерживающая Python и Groovy. Распространение ошибок осуществляется с помощью аппроксимации Тейлора первого и второго порядка и с использованием подхода Монте-Карло для сложных функций.
- КАТИСЬ бесплатно дерево отказов и дерево событий программное обеспечение для анализа, которое использует моделирование методом Монте-Карло для анализа неопределенности в вероятностных выражениях.
- Калькулятор неопределенности S&T, штат Миссури: на основе веб-браузера. Настольный калькулятор в стиле.
- В Калькулятор неопределенности это JavaScript калькулятор на основе браузера, который выполняет вычисления распространения ошибок.
- Калькулятор неопределенности бежит JavaScript в браузере. Простая версия: использует Crank Three Times для числовых ответов. Необычная версия: использует Монте-Карло для предоставления дополнительной информации, включая графики плотности вероятности и кумулятивной вероятности. Предупреждает пользователей о потенциальных проблемах, о которых не предупреждают другие методы. Обрабатывает корреляции, возникающие во время многоэтапных вычислений. Многочисленные интерактивные демонстрации кнопок.
- калькулятор неопределенности, Университет Уилфрида Лорье: на основе веб-браузера. Настольный калькулятор в стиле.
- Неопределенности - мощный бесплатный калькулятор и программная библиотека Python для прозрачного выполнения расчетов с неопределенностями и корреляциями. Также обрабатывает матрицы с неопределенностями. Автоматически вычисляет все производные выражения.
- Калькулятор погрешности лаборатории Mathos Это веб-интерфейс для расчета неопределенности.
- UQLab программная среда для количественной оценки неопределенности, разработанная в ETH Цюрих. Это универсальное программное обеспечение, работающее в MATLAB, которое содержит современные методы моделирования Монте-Карло, моделирования зависимостей (теория копул), суррогатного моделирования (разложения полиномиального хаоса, кригинга (также известного как моделирование гауссовских процессов), низкорангового моделирования). тензорные аппроксимации, анализ глобальной чувствительности (ANOVA, индексы Соболя, индексы на основе распределений), моделирование редких событий (также известные как методы надежности).[4]
- UQpy - это набор инструментов Python с открытым исходным кодом и среда разработки для количественной оценки неопределенности, разработанная Группа исследования неопределенности Шилдса (SURG) в Университет Джона Хопкинса. Он состоит из набора модулей для различных возможностей прямого и обратного UQ, начиная от методов выборки для распространения неопределенности и заканчивая анализом надежности, построением суррогатной модели и байесовским выводом. Особо следует отметить, что он предназначен для взаимодействия с любой моделью Python или сторонней моделью программного обеспечения через модуль RunModel. Пакеты можно загрузить из индекса пакетов Python (через pip) или через Conda. Версия для разработчиков доступна через Github.
- Неопределенность - это бесплатный программный пакет Python с открытым исходным кодом, который распространяет неопределенность с помощью линейных комбинаций 1-го порядка. Ковариация также распространяется. Он аппроксимирует чувствительность с конечными центральными разностями. UncertaintyWrapper обертывает любой код Python, даже расширения C. Он проверен на соответствие Uncertainties, ALGOPY, Numdifftools и SymPy.
- UQTk представляет собой набор инструментов для прямого и обратного количественного определения неопределенности на вычислительных моделях. Доступ к функциям можно получить через C ++, приложения командной строки или Python. Подходы к количественной оценке неопределенности в UQTk во многом основываются на Методы полиномиального хаоса для представления случайных величин.
Сравнение
| Этот раздел может требовать уборка встретиться с Википедией стандарты качества. Конкретная проблема: слишком технический, чтобы люди могли его понять. (Ноябрь 2018) (Узнайте, как и когда удалить этот шаблон сообщения) |
Смотрите также
- Автоматическая дифференциация # Программное обеспечение, также может использоваться для получения неопределенностей
Рекомендации
- ^ Эллисон, Стивен Л. Р. (2017). «МЕТРОЛОГИЯ: Поддержка метрологических приложений». CRAN (язык программирования R). Получено 2018-02-20.
- ^ Крагтен, Дж. (1994). «Расчет стандартных отклонений и доверительных интервалов с помощью универсальной техники электронных таблиц». Аналитик. 119 (10): 2161–2166. Дои:10.1039 / AN9941902161.
- ^ Лафарж, Т., Поссоло, А. (2015). «Машина неопределенности NIST». NCSLI Measure Journal of Measurement Science. 10 (3): 20–27. Дои:10.1080/19315775.2015.11721732.CS1 maint: несколько имен: список авторов (связь)
- ^ а б Марелли С. и Судрет Б., UQLab: структура для количественной оценки неопределенности в Matlab, Proc. 2-й Int. Конф. по уязвимости, анализу рисков и управлению (ICVRAM2014), Ливерпуль, Великобритания, 2014 г.
- Ю. К. Куанг, А. Раджан, М. П.-Л. Оои и Т. К. Онг (2014 г.) "Стандартная оценка неопределенности многомерного полинома, "Измерение", том 58, стр. 483–494, декабрь 2014 г.
- А. Раджан, М. П. Оои, Ю. К. Куанг, С. Н. Демиденко "Аналитическая оценка стандартной неопределенности с использованием преобразования Меллина, "Access, IEEE, том 3, стр. 209–222, 2015.
- Ауэр, Э., Лютер, В., Ребнер, Г., Лимбург, П. (2010) Подтвержденный набор инструментов MATLAB для теории Демпстера-Шафера. Материалы семинара по теории функций убеждений.
- Бевингтон, П.Р., Робинсон, Д.К. (2002) Обработка данных и анализ ошибок для физических наук, 3-е изд., McGraw-Hill ISBN 0-07-119926-8
- Ферсон, С., Крейнович, В., Хаягос, Дж., Оберкампф, В. и Гинзбург, Л. (2007) «Экспериментальная оценка неопределенности и статистика для данных, имеющих интервальную неопределенность». Отчет Sandia National Laboratories: SAND2007-0939.
- Пателли, Э., Открытая вычислительная среда для оптимизации на основе надежности, В материалах: Одиннадцатая Международная конференция по технологии вычислительных структур, Дубровник, Хорватия, 4–7 сентября 2012 г.