초록 상대 투과도 및 모세관 압력의 불확실성은 베이지안 통계 및 해당 확률 분포로 자연스럽게 모델링될 수 있습니다. 이른바 사후 분포는 베이즈 정리에 의해 정의되며, 코어 플러딩 또는 원심분리 실험에서 측정된 데이터와 관련된 불확실성에 대한 처음 제안(안자츠)으로부터 곡선의 매개변수에 대한 불확실성을 추론합니다. 결과 밀도 함수를 계산하기 위해, 몬테카를로 마르코프 연쇄(MCMC) 방법의 형태로 수치적 통합기를 사용하여 실험을 시뮬레이션하는 수치적 해석기가 사용됩니다. 사후 확률 분포에 대한 정확한 솔루션을 얻는 데의 도전 과제 중 하나는 비제로 확률 질량과 함께 여러 모드가 존재하는 것을 잘 처리하는 것입니다. 이 작업에서는 이중 유체 흐름을 위한 내부 1D 시뮬레이터, emcee 라이브러리에 의해 구현된 앙상블 MCMC 방법 및 메트로폴리스-헤이스팅스 전이 분포를 위한 클러스터링된 커널 밀도 추정을 결합하여 비등방성이며 다중 모드를 가질 수 있는 사후 분포를 효율적으로 샘플링하는 것을 목표로 합니다. 상대 투과도 및 모세관 압력 곡선의 불확실성을 정량화한 결과가 나타납니다. 우리는 합성 USS 실험을 고려하여 얻은 곡선을 실제 값과 검증할 수 있으며, 실제 USS 및 원심분리 실험에서도 실제 곡선은 알려져 있지 않습니다. 우리는 조정된 샘플러가 사후 모드를 충실하게 매핑할 수 있음을 보여주어 사용자가 불확실성을 완화하기 위해 실험 데이터를 개선할 수 있는 방법을 추론할 수 있도록 합니다. 또한 샘플러가 앙상블 워커들이 사후 풍경의 미미한 지역 극대점에서 쉽게 탈출하도록 보장하는 방법이 예시됩니다. 이는 emcee 라이브러리의 기본 스트레치 이동 방식을 사용할 때 존재하지 않는 기능입니다.
JENNEN 외 (화요일)는 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: