ШИНЖЛЭХ УХААН, ИНЖЕНЕРИЙН ТООЦООЛОЛЫН SciPy САН

 SciPy нь Python хэл дээрх шинжлэх ухаан, инженерийн тооцоололд зориулагдсан нээлттэй  сан юм. Энэ нь NumPy, Matplotlib, Pandas зэрэг бусад чухал сангуудтай хамт ашиглагддаг бөгөөд өргөн хүрээний математик, инженерийн тооцоололын  асуудлуудыг шийдвэрлэхэд тусладаг.

Үндсэн онцлогууд:

1. Олон төрлийн модулиуд: SciPy нь олон төрлийн модулиудыг агуулдаг бөгөөд тэдгээр нь өөр өөр шинжлэх ухааны асуудлуудыг шийдвэрлэхэд зориулагдсан. Жишээ нь:

   • scipy.integrate: Интегралчлал ба дифференциал тэгшитгэлийн шийдэл.

   • scipy.optimize: Оновчлолын бодлогуудыг шийдвэрлэх.

   • scipy.signal: Сигнал боловсруулалт.

   • scipy.linalg: Шугаман алгебрийн үйлдлүүд.

   • scipy.stats: Статистикийн функцууд ба магадлалын тархалт.

   • scipy.sparse:  Матрицуудтай ажиллах.

2. NumPy-тэй хамтарч: SciPy нь NumPy-ийн массивтай сайн ажилладаг бөгөөд энэ нь тоон өгөгдлийг боловсруулах, шинжлэх боломжийг олгодог.

3. Гүйцэтгэл: SciPy нь C, C++ зэрэг хурдан ажилладаг хэл дээр бичигдсэн бөгөөд Python-ийн удаан ажиллах асуудлыг шийддэг.

4. Нээлттэй эх: SciPy нь бүхэлдээ нээлттэй эхийн лицензтэй бөгөөд хэн ч үнэ төлбөргүй ашиглах, өөрчлөх боломжтой.

Суулгах:

SciPy-г суулгах нь маш хялбар. Та доорх командыг ашиглан суулгах боломжтой:

pip install scipy

SciPy-г ашиглах жишээ кодыг доор харуулав. Энэ жишээнд бид scipy.integrate модулийг ашиглан интеграл бодох болно.

SciPy сангийн optimize модулийг ашиглан оновчлолын бодлогыг шийдэх боломжтой. Доорх жишээнд бид зорилтот функцийн хамгийн бага утгыг scipy.optimize.minimize функц ашиглан олох болно.

Жишээ: Квадрат функцийн оновчлол

Функц:

$$f(x) = (x - 3)^2 + 4$$

Энэхүү функцийг хамгийн бага утгатай болгох x-ийн утгыг олоё.

    SciPy нь шинжлэх ухаан, инженерийн тооцоололд маш хүчирхэг хэрэгсэл юм. Энэ нь Python-ийн энгийн байдал, уян хатан байдлыг ашиглан нарийн төвөгтэй математикийн асуудлуудыг шийдвэрлэхэд тусладаг. Хэрэв та шинжлэх ухааны тооцоолол эсвэл өгөгдөл шинжилгээний ажил хийж байгаа бол SciPy нь таны хэрэгцээнд тохирох сан байх болно.

Монте -Карлогийн загварчлалын аргыг Эрдэс боловсруулалтын технологид хэрэглэх нь

     Монте-Карлогийн загварчлалын арга нь санамсаргүй тоо ашиглан төвөгтэй системийн үйл явцыг загварчлах, үр дүнг тооцоолох арга юм. Эрдэс боловсруулалтын технологид энэ аргыг ашигласнаар үйл явцын үр ашиг, зардлыг үнэлэх, шинэ технологийг судлах, шийдвэр гаргахад дэмжлэг үзүүлэх боломжтой.

    Монте-Карлогийн загварчлалыг эрдэс боловсруулалтад хэрэглэх гол чиглэлүүд:

1. Үйл явцын загварчлал:

   - Эрдэс боловсруулалтын үйл явц (жишээ нь: бутлах, нунтаглах, баяжуулалт) нь олон хүчин зүйлээс хамаардаг. Монте-Карлогийн аргаар эдгээр хүчин зүйлсийг санамсаргүй байдлаар өөрчилж, үйл явцын үр дүнг урьдчилан тооцоолох боломжтой.

   - Жишээ нь: Баяжуулах үйлдвэрлэлийн баяжмалын гарц, металл авалтыг  тооцоолохдоо ордын найрлага, боловсруулах технологийн үр ашиг зэрэг хүчин зүйлсийг харгалзан үзэх.

2. Эрсдэлийн үнэлгээ:

   - Эрдэс боловсруулалтын төслийн эрсдэлийг үнэлэхэд Монте-Карлогийн аргыг ашиглаж болно. Энэ нь төсөв, цаг хугацаа, нөөцийн хэрэгцээ зэрэг хувьсагчдын өөрчлөлтийг тооцоолох боломжийг олгодог.

   - Жишээ нь: Төслийн өртөг, ашигт ажиллагааг тооцоолохдоо зах зээлийн үнэ, эрдэс баялгийн найрлага зэрэг хувьсагчдын өөрчлөлтийг харгалзан үзэх.

3. Тоног төхөөрөмжийн сонголт ба оновчтой болгох:

   - Монте-Карлогийн аргыг ашиглан тоног төхөөрөмжийн сонголт, үйлдвэрлэлийн үйл явцыг оновчтой болгох боломжтой.

   - Жишээ нь: Бутлах, нунтаглах төхөөрөмжийн үр ашгийг тооцоолохдоо түүхий эдийн шинж чанар, төхөөрөмжийн гүйцэтгэлийг харгалзан үзэх.

4. Эрдэс баялгийн нөөцийн үнэлгээ:

   - Эрдэс баялгийн нөөцийг үнэлэхэд Монте-Карлогийн аргыг ашиглаж болно. Энэ нь ордын геологийн өгөгдөл, эрдэс баялгийн агуулга зэрэг хувьсагчдыг харгалзан нөөцийн хэмжээ, чанарыг тооцоолох боломжийг олгодог.

   - Жишээ нь: Алтны ордын нөөцийг үнэлэхдээ алтны агуулга, ордын геологийн бүтэц зэрэг хувьсагчдыг харгалзан үзэх.

5. Шинэ технологийн судалгаа:

   - Шинэ технологийг нэвтрүүлэхээс өмнө түүний үр ашиг, эдийн засгийн үр нөлөөг Монте-Карлогийн аргаар үнэлэх боломжтой.

   - Жишээ нь: Шинэ баяжуулах технологийг нэвтрүүлэхээс өмнө түүний үр ашиг, зардлыг тооцоолох.

    Давуу талууд:

- Нарийн төвөгтэй системийг загварчлах боломжтой.

- Эрсдэлийг үнэлэх, шийдвэр гаргахад дэмжлэг үзүүлэх.

- Тооцооллын үр дүнг статистик аргаар дүгнэх боломжтой.

 Алдааны эх үүсвэрүүд:

- Оролтын өгөгдөл буруу байвал үр дүн нь буруу гарна.

- Тооцооллын хугацаа их шаардагдах тохиолдол байдаг.

    Эрдэс боловсруулалтын технологид Монте-Карлогийн аргыг ашигласнаар үйл явцыг илүү үр дүнтэй удирдах, эрсдэлийг бууруулах, шинэлэг шийдлүүдийг нэвтрүүлэх боломжтой.

Доор Монте-Карлогийн аргаар санхүүгийн эрсдлийг тооцох энгийн жишээ үзүүлэв (Python).

 

ИНЖЕНЕРИЙН ТООЦООЛОЛ - ШУГАМАН ТЭГШИТГЭЛИЙН СИСТЕМ

 

НУНТАГЛАЛТЫН МАТРИЦАН ЗАГВАРЫГ PYTHON ХЭЛЭЭР ГҮЙЦЭТГЭХ НЬ

 

ИНЖЕНЕРИЙН ТООЦООЛОЛ БА PYTHON (PANDAS САН)

Python -ы PANDAS санг ашиглан өгөгдлийг статистик боловсруулах, дүрсжүүлэх жишээг нүүрсний ордын мэдээлэл дээр хэрхэн гүйцэтгэхийг үзүүлэв. Pandas нь их өгөгдлийг боловсруулах хүчирхэг сан юм.