GoldSim

GoldSim – це динамічне, імовірнісне програмне забезпечення для моделювання, розроблене компанією «GoldSim Technology Group». Цей симулятор для широкого використання є гібридом кількох підходів до симуляторів, що поєднують в собі розширення системної динаміки з деякими аспектами дискретно-подійного та механізмом вбудовування динамічного моделювання в рамках методу Монте-Карло.

Хоча це симулятор для широкого використання, GoldSim найбільше використовується для екологічних та інженерних аналізів ризику, які застосовуються у сферах керування водними ресурсами, гірничій справі, утилізації радіоактивних відходів, геологічній секвестрації вуглецю, аналізів ризику авіаційно-космічних місій та енергетиці.

Історія

У 1990 році компанія «Golder Associates», міжнародна інженерно-консалтингова фірма, отримала запит від Міністерства енергетики США розробити імовірнісне програмне забезпечення для моделювання, яке можна було б використовувати для вирішення та керування питань управління радіоактивними відходами. Результатом цих зусиль були дві програми на основі MS-DOS («RIP» та «STRIP»), які використовувалися для допомоги в утилізації радіоактивних відходів Міністерством енергетики США.

У 1996 році завдяки спільним зусиллям, фінансовані компанією «Golder Associates», Міністерством енергетики США, японським інститутом розвитку ядерного паливного циклу (сьогодні «японське агенство з атомної енергії») та іспанською національною компанією радіоактивних відходів (ENRESA), можливості програм «RIP» та «STRIP» були перенесені у симулятор на основі Microsoft Windows для широкого застосування, отримавши назву «GoldSim». Значна фінансова підтримка також була отримана від NASA.

Спочатку права на користування мали лише оригінальні компанії, що фінансували програму, але у 2002 році «GoldSim» була випущена для громадськості. У 2004 році ТОВ «GoldSim Technology Group» відокремилося від компанії «Golder Associates» і зараз є цілком незалежною компанією.

Відомі застосування програми включають у себе створення основ для симулятора: 1) могильника радіоактивних відходів «Юкка-Маунтін», розробленого сандійськими національними лабораторіями; 2) обчислювальної моделі комплексної системи рівня для оцінки ефективності геологічної секвестрації вуглецю, розробленої Лос-Аламоською національною лабораторією; 3) моделювання повені, щоб краще зрозуміти та налаштувати операції на великій греблі, яка використовується для водопостачання та боротьби з повенями у штаті Квінсленд, Австралія; та 4) моделей для потенційних ризиків, пов’язаних з майбутніми пілотованими космічними місіями у космічній програмі NASA «Сузір’я», розроблених дослідницьким центром Еймса.

Моделювання довкілля

«GoldSim» надає візуальне та ієрархічне моделювання довкілля, що дозволяє користувачам конструювати моделі, додаючи «елементи» (об’єкти моделі), що представляють собою дані, рівняння, процеси або події, і пов’язуючи їх разом у графічні уявлення, що нагадують діаграми впливу. Стрілки впливу промальовуються автоматично, оскільки елементи керуються іншими елементами. Складні системи можуть бути переведені в ієрархічні моделі «GoldSim», створивши шар «контейнерів» (або «суб-моделей»). Візуальні уявлення та ієрархічні структури допомагають користувачам створювати дуже великі і складні моделі, які, тим не менше, можна пояснити зацікавленим сторонам (наприклад: державним регулюючим органам, виборним посадовим особам, а також громадськості).

Хоча це в першу чергу безперервний симулятор, «GoldSim» має ряд особливостей, зазвичай пов’язані з дискретними симуляторами. Завдяки поєднанню цих двох методів моделювання, імітація систем, які найкраще представлені з використанням як безперервних так і дискретних моделювань, може бути точнішою. Приклади включають в себе відстеження кількості води в резервуарі, який піддається впливу безперервних припливів і відпливів, а також несподіваних штормів; відстеження кількості палива у космічному кораблі, коли він піддається впливу випадкових збурень (наприклад: відмови компонентів, екстремальних умов навколишнього середовища).

Через те, що програма спочатку була розроблена для застосування у складних екологічних ситуаціях, в яких багато вхідних даних є невизначеними і/або стохатичними, то крім того, що програма є динамічним симулятором, «GoldSim» є також симулятором методу Монте-Карло, де вхідні дані можна визначити за допомогою розподілу, а вся система моделюється велику кількість разів, щоб надати імовірнісні вихідні дані. Таким чином, програмне забезпечення включає в себе ряд обчислювальних функцій для сприяння імовірнісного моделювання складних систем, в тому числі й інструментів для створення та співвідношення стохатичних часових рядів, розширені можливості для взяття проб (включаючи метод взяття проб латинського гіперкубу, вкладений аналіз за методом Монте-Карло та вибірки за значимістю), а також підтримки для розподіленої обробки.

Джерела

1.  Alfred Kalyanapu, Jason Lillywhite, Brantley Thames and Ebrahim Ahmadisharaf (2014),Probabilistic Analysis To Evaluate The Effects Of Dam Breach Methodologies On Downstream Flood Hazard [Архівовано 24 вересня 2015 у Wayback Machine.], Proceedings of the World Environmental & Water Resources Congress 2014, Portland, Oregon.Yarema H. Savula,
2. Karoly Jarmai, Igor S. Mukha Numerical modeling of ring-stiffened shells // Прикладная механика- .2008, №11.- 14 стор. ЛНУ ім. Івана Франка
3. Erfan Goharian and Steven J. Burian (2014), Integrated Urban Water Resources Modeling In A Semi-Arid Mountainous Region Using A Cyberinfrastructure Framework, Proceedings of the 11th International Conference on Hydroinformatics, HIC 2014, New York, New York.
4. Eset Alemu, Richard Palmer, Austin Polebitski and Bruce Meaker (2011), Decision Support System for Optimizing Reservoir Operations Using Ensemble Streamflow Predictions, Journal of Water Resources Planning and Management, 137(1), 72–82.
5.  Michel Raymond (2014), Wivenhoe Somerset Dam Optimisation Study – Simulating Dam Operations for Numerous Floods [Архівовано 29 листопада 2014 у Wayback Machine.], Proceedings of Australian National Committee on Large Dams (ANCOLD) Annual Conference 2014, Canberra, Australia.
6.  Luke Toombes and Rob Ayre (2014), Holistic Dam Operations Assessment for Southeast Queensland [Архівовано 29 листопада 2014 у Wayback Machine.], Proceedings of Australian National Committee on Large Dams (ANCOLD) Annual Conference 2014, Canberra, Australia.
7.  Brent Usher, Roald Strand, Chris Strachotta and Jim Jackson (2010), Linking Fundamental Geochemistry And Empirical Observations For Water Quality Predictions Using GoldSim [Архівовано 3 березня 2016 у Wayback Machine.], Brazil, Proceedings of IMWA 2010, "Mine Water and Innovative Thinking", Wolkersdorfer. Ch. and Freund, A., p 313-316, Sydney, Nova Scotia, Canada.
8.  Ted Eary, Jody Eshleman, Ryan Jakubowski and Andrew Watson (2008), Applying Numerical Hydrochemical Models as Decision Support Tools for Mine Closure Planning [Архівовано 3 березня 2016 у Wayback Machine.], presented at Tailings and Mine Waste ’08, October 19–22, 2008, Vail, Colorado.
9.  Lisa Wade (2014), A Probabilistic Water Balance, Dissertation for Montana Tech of The University of Montana, Copyright ProQuest, UMI Dissertations Publishing 2014.
10.  David Ewing Duncan (2003), Do or Die at Yucca Mountain [Архівовано 21 липня 2013 у Wayback Machine.], Wired Magazine, Issue 11.04, April 2003.
11.  Patrick D. Mattie, Robert G. Knowlton & Bill W. Arnold. (2007). A User’s Guide to the GoldSim/BLT-MS Integrated Software Package: A Low-Level Radioactive Waste Disposal Performance Assessment Model. Sandia Report (SAND2007-1354)
12.  D. Vopálka, D. Lukin and A. Vokál (2006), Modelling of processes occurring in deep geological repository — development of new modules in the GoldSim environment^{[недоступне посилання]}, Czechoslovak Journal of Physics, Volume 56, Supplement 4 / December, 2006.
13.  Chris Markley et al. (2011), SOAR: A Model For Scoping Of Options And Analyzing Risk Version 1.0 User Guide [Архівовано 3 березня 2016 у Wayback Machine.], Prepared for U.S. Nuclear Regulatory Commission Contract No. NRC–02–07–006, August 2011.
14.  Jose Luis Cormenzana (2013), Probabilistic Sensitivity Analysis for the “Initial Defect in the Canister” Reference Model [Архівовано 24 вересня 2015 у Wayback Machine.], Workreport 2013-25, Posiva Oy, Eurajoki, Finland.
15.  Philip H. Stauffer, Hari S. Viswanathan, Rajesh J. Pawar and George D. Guthrie (2009), A System Model for Geologic Sequestration of Carbon Dioxide, Environ. Sci. Technol., 2009, 43 (3), pp 565–570.
16.  Donovan L. Mathias, Susie Go, Ken Gee, and Scott Lawrence (2008), Simulation Assisted Risk Assessment Applied to Launch Vehicle Conceptual Design [Архівовано 12 серпня 2013 у Wayback Machine.], NASA Center for AeroSpace Information (CASI).
17.  Steven P. Miller, Jennifer E. Granata and Joshua S. Stein (2012), The Comparison of Three Photovoltaic System Designs Using the Photovoltaic Reliability and Performance Model (PV-RPM) [Архівовано 2 березня 2013 у Wayback Machine.], Sandia Report SAND2012-10342, Sandia National Laboratories, Albuquerque, New Mexico.
18.  Golder Associates Launches Independent Software Company Based on GoldSim Software [Архівовано 15 квітня 2011 у Wayback Machine.] (2004), Water & Wastes DIGEST
19.  Probabilistic Simulation [Архівовано 14 травня 2017 у Wayback Machine.]. GoldSim website.