Phát triển mô hình bayes động kết hợp thuật toán markov chain monte carlo để lựa chọn chương trình năng lượng tái tạo tối ưu trong công trình xây dựng

Abstract

Vấn đề sử dụng năng lượng là để tài khá là sôi nổi trong thời đại ngày nay. Bên cạnh đó, việc sử dụng năng lượng sao cho hợp lý, phù hợp với nhu cầu của con người lại là một điều đáng quan tâm. Trong nửa thập kỷ vừa qua, loài người đã tìm kiếm và nghiên cứu ra các nguồn năng lượng tái tạo (RE) phù hợp với cuộc sống và thân thiện với môi trường sống của con người. Tuy nhiên, khó khăn lớn nhất của con người là làm sao có thể lựa chọn tối ưu được các nguồn RE này cho mỗi khu vực quốc gia, cho mỗi điều kiện phát triển xã hội. Ngoài ra, con người cần phải có sự nhìn nhận tổng quan nhất về RE trong thời đại phát triển chúng ngày càng nhiều và phức tạp. Trong nghiên cứu này, tôi phát triển thêm một phần mới dựa trên nghiên cứu trước của mình: “Phát triển mô hình đồ họa Bates tĩnh kết hợp thuật toán Monte Carlo để lựa chọn chương trình năng lượng tái tạo tối ưu trong công trình xây dựng” (được đăng trong tạp chí xây dựng - số 11- ngày đăng 3/12/2018). Hướng nghiên cứu này sẽ vận dụng tính năng vượt trội của mô hình Bayes động (DBM) kết hợp Markov Chain Monte Carlo (MCMC) để xử lý biến thay đổi theo thời gian. Qua đó, giúp người đọc nói chung, cũng như người ra quyết định nói riêng có sự nhìn nhận tổng quát hơn về sự thay đổi vị trí xếp hạng của các nguồn RE theo thời gian. Đồng thời giúp cho ta lựa chọn tối ưu nhất các nguồn RE theo xu hướng phát triển của xã hội.