X射线体元蒙特卡罗算法计划统计不确定度对直肠癌容积旋转调强放射治疗计划的影响

目的:研究Monaco放射治疗计划系统X射线体元蒙特卡罗(XVMC)算法中计划统计不确定度(SUpC)对直肠癌容积旋转调强放射治疗(VMAT)计划优化与剂量计算的影响。方法:回顾性选取2018年1-12月广西医科大学第一附属医院收治的10例直肠癌患者放射治疗资料,在Monaco放射治疗计划系统中采用XVMC算法,分别设置SUpC为0.25、0.50、0.75、1.00、1.25和1.50,设计6种VMAT计划(SUpC_(0.25)、SUpC_(0.50)、SUpC_(0.75)、SUpC_(1.00)、SUpC_(1.25)和SUpC_(1.50))进行优化和计算,比较6种不同VMAT计划中靶区最大剂量(D_(max))、平均剂量(D_(mean))、均匀性(HI)和适形度(CI)的差异,以及危及器官(OAR)的膀胱、小肠、股骨头和正常组织剂量差异,分析SUpC值对VMAT计划的控制点SUpC(SUpCP)、损失值loss、历史密度(HD)、优化计算时间(Time)、子野数(Segment)、机器跳数(MU)、出束时间(DT)等参数的影响。结果:随着SUpC增大,与SUpCP_(0.25)相比,其余5种计划靶区D_(max)、D_(mean)及HI分别增大,CI分别降低,差异有统计学意义(F=45.62、13.83、24.94、15.79,P<0.05),OAR膀胱的D_(max)、D_(mean)和正常组织的D_(max)、50 Gy剂量体积百分比(V_(50))分别增大,差异具有统计学意义(F=26.54、0.87、45.52、7.05,P<0.05)。与SUpCP_(0.25)相比,其余5种计划优化计算时间Time随SUpC增大分别减少,差异具有统计学意义(F=329.69,P<0.05)。SUpC≤1时,靶区D_(max)相比于SUpC_(0.25)时剂量偏差≤3%;SUpC≥1时,优化计算时间<10 min。结论:随着SUpC值增大,高剂量区域的D_(max)增多,靶区剂量被高估,靶区HI和CI变差,加速优化计算效率。针对Monaco计划系统进行直肠癌VMAT计划设计时推荐使用SUpC值为1,可以在保证计划质量最好的情况下有效提高直肠癌VMAT计划的优化效率,为直肠癌VMAT临床计划设计提供理论依据。

基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法

孤岛状况是造成混合储能微网下垂的主要因素,为使混合储能微网正常运行,提出基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法。使用马尔可夫蒙特卡罗算法对缺失光伏数据进行填补。依据填补后的微网光伏数据计算微网自身荷电状态,并依据该荷电状态数值建立混合储能微网超级电容和蓄电池功率控制模型,实现孤岛模式混合储能微网下垂平坦控制。结果表明:所提方法填补光伏数据时的效率高于0.99,具备良好的下垂平坦控制能力。采用所提方法可对孤岛模式混合储能微网下垂进行良好控制,可有效保证混合储能微网的平稳运行,具有一定应用价值。

基于蒙特卡罗算法的海上目标搜索研究

海上目标搜索是指使用各种技术和设备在海洋中寻找、追踪、识别和定位特定的目标,由于海洋环境的复杂性,一般难以精确预测。为此,本文通过分析搜索目标的受力特征,基于蒙特卡罗算法,模拟出多种可能的情景和轨迹,提高对搜索区域预测的准确性。

结合源偏倚和权窗的蒙特卡罗全局减方差方法

全局计数问题在反应堆pin-by-pin模型蒙特卡罗模拟和多物理耦合计算中动态粒子输运蒙特卡罗模拟等重大研究领域中都有广泛的应用场景.大量的全局减方差算法研究立足于全局计数误差分布的展平,由此提高全局计数的整体效率.本工作针对两种高效全局减方差算法,即均匀计数密度算法(属于源偏倚算法的一种)和权窗算法的结合展开研究,提出利用均匀计数密度算法的偏倚因子调整权窗下限,由此实现两种算法的有机结合.基于Hoogenboom-Martin压水堆全堆基准题中开展了一系列对比测试,验证了混合全局减方差算法更优于单一权窗算法或均匀计数密度算法,尤其是在降低最大误差方面.同时,基于新的指标,验证了均匀计数密度算法较经典的均匀裂变源算法具有更好的表现.研究结果表明,本文提出的混合全局减方差算法能高效求解全局计数问题,进一步促进了相关领域的研究.

基于蒙特卡罗法优化GRU神经网络的热电联产负荷预测

负荷预测是热电联产系统提高能源利用率及优化调度的前提,预测精度在很大程度上影响系统运行的可靠性及热电厂经费开销。随着热电联产机组的大范围使用,单一的负荷预测很难精准反映热电负荷之间的耦合特征,对热电联产系统的精确运行产生一定影响。提出一种优化GRU神经网络模型,将两个门控循环单元神经网络并联,通过相应的dropout层和全连接层处理后合并结果。同时,结合蒙特卡罗算法修正误差,提高预测模型精度。利用实际热电厂数据验证所提出预测模型的可行性。结果表明:本文提出的模型可以充分学习热电负荷之间的耦合特征,提高负荷预测精度。

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度,应用果蝇算法(fruit fly optimization algorithm,FOA)-蒙特卡罗锚盒(Monte Carlo anchor box,MCB)算法对无线传感器网络(wireless sensor network,WSN)系统中移动节点进行定位建模,分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明:FOA优化MCB算法具有比MCB算法更优的定位精度,当节点移动速度变大后可以获得更小的定位误差,在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线;当锚节点较少时,MCB与FOA优化MCB形成了较大的定位误差;随样本数增大,定位误差逐渐减小,在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值,易于实现推广。

基于蒙特卡罗定位算法的高层建筑物消防通道模糊BIM规划方法

为降低高层建筑物人员疏散难度,提升消防通道规划效果,研究基于蒙特卡罗定位算法的高层建筑物消防通道模糊建筑信息模型(Building Information Modeling,BIM)规划方法。在蒙特卡罗定位算法内添加遗传算法的交叉与变异操作,改进蒙特卡罗定位算法,加快定位效率。利用改进蒙特卡罗定位算法,定位高层建筑物消防通道的关键位置。通过区间直觉模糊广义λ-Shapley Choquet积分方法,选择消防通道规划时的模糊BIM软件。利用选择的模糊BIM软件,结合关键位置定位结果,规划消防通道路径,建立消防通道模糊BIM规划模型。利用Revit软件,以调节模型质量精细度与曝光度的方式,效果渲染消防通道模糊BIM规划模型,提升消防通道模糊BIM规划结果的逼真度。实验证明:该方法可精准定位消防通道关键位置;该方法可有效规划消防通道路径,构建消防通道模糊BIM规划模型;经过效果渲染后,该方法的消防通道模糊BIM规划结果的逼真度较优。

一种基于蒙特卡洛的机载测高算法

雷达高度表作为重要的微波遥感器件,由于其全天候、全时段特性,在地形探测等方面备受关注。机载雷达高度表具有较高的机动性,在实际探测中使用广泛。随着探测场景复杂度的提升,对雷达高度表测量精度也有较高的要求。现阶段提升测量精度的主要方法有对场景进行精准建模、使用参数估计算法。对传统参数估计算法而言,受步长影响,在估计过程中容易陷入局部最优,且随着参数维度的增高,只能求解低维参数的传统算法,难以获得较为精确的估计结果。因此,为了满足现阶段测量精度的需求,需要使用一种高精度参数估计算法。针对雷达高度表传统参数估计算法在面对参数的高维特性时会出现过拟合的情况,提出一种新颖的基于近端算子的哈密顿蒙特卡洛算法(proximal hamiltonian monte carlo,PHMC)。通过面元仿真数据进行测试,并使用了提出的算法与多种传统算法进行比对,证明了所提出算法的参数估计能力优于传统参数估计算法。

一种适用于移动传感器网络的增强型蒙特卡罗定位跟踪算法

该文提出一种在低锚节点密度的移动传感器网络中实现定位跟踪的方法。利用受控的洪泛方式提高锚节点利用效率,采用遗传交叉操作加快预测阶段的抽样,采用插值方法对节点运动速度及方向进行预测,利用位置估计精度优于自身的1跳邻居节点的信息强化滤波条件。仿真实验结果表明,该文算法与传统算法相比加快了收敛速度,提高了定位精度,改善了在低锚节点密度时的性能。

用多重蒙特卡罗算法研究超细微颗粒物同时发生的凝并和破碎

超细微颗粒物的尺度分布由通用动力学方程(GDE)描述,该文发展了求解同时考虑凝并和破碎的GDE的一种多重MonteCarlo(MMC)算法,该算法可以抛弃当前MonteCarlo算法中广泛采用的“子系统”的概念,引入了加权的“虚拟颗粒”的概念,且基于时间驱动,模拟过程中保持虚拟颗粒数目和计算区域体积不变。首先详细描述了MMC算法,包括时间步长的确定方法、同时处理凝并和破碎的方案、凝并和破碎事件发生的判断准则、凝并伙伴的确定、处理凝并和破碎事件的后果时保持虚拟颗粒数目恒定的方法等;然后利用MMC算法对几种特殊工况进行了数值模拟,模拟结果与理论值符合很好,验证了MMC算法的计算精度,且该算法具有较小的计算代价。

一种快速准蒙特卡罗粒子滤波算法

针对准蒙特卡罗(Quasi-Monte Carlo,QMC)方法应用于粒子滤波采样时计算复杂度高,以及粒子滤波中重采样步骤引起样本枯竭的问题,提出一种结合准蒙特卡罗方法的粒子滤波算法,在重要性采样后,将生成的随机化QMC序列分别映射到以大权重粒子为核心的独立子空间上,避免了直接对采样空间进行预测,同时又保持了样本多样性.实验结果表明该方法可以有效抑制样本枯竭现象,获得了高于蒙特卡罗(Monte Carlo,MC)方法的估计精度,而计算效率与粒子滤波相近.

Acuros XB、各向异性解析算法与蒙特卡罗算法在非均匀组织中剂量计算准确性对比研究

目的：对比Acuros XB算法（AXB）、各向异性解析算法（AAA）和蒙特卡罗（MC）算法在非均匀组织中剂量计算准确性。方法：在Eclipse计划系统上分别设置两种类型的非均匀模体（水-肺-水模体、水-骨-水模体）,并设定3个不同大小的0°照射野,源皮距=100 cm。采用AXB、AAA及MC算法进行剂量计算,提取射野中心轴百分深度剂量,以MC计算结果为基准,计算AXB和AAA两种算法与MC算法的相对偏差,提取非均匀组织及高梯度区（即4.5～15.5 cm）的数据做对比分析。结果：AXB算法3个射野相对偏差绝对值分别为4.186±1.451、0.834±0.300、0.726±0.165（水-肺-水模体）和1.694±0.374、1.325±0.328、0.343±0.244（水-骨-水模体）。AAA算法在两模体的对应值分别为6.679±4.694、4.151±1.789、4.353±2.546（肺）和3.270±0.826、5.971±1.587、2.406±0.574（骨）。采用配对样本t检验,P值均小于0.05。结论：在非均匀组织及其边界,AXB算法计算精度比AAA算法更为准确,基本接近MC算法。

蒙特卡罗仿真建模中自动添加辅助面的算法研究

MCNP是用于计算中子、光子或者中子/光子/电子输运方程的通用蒙特卡罗中性粒子程序,该系统应用广泛,但其仿真模型的建模工作非常复杂,尤其是几何模型。为了简化建模过程,开发了该系统辅助建模工具。本文讨论了辅助建模工具中的核心算法之一——“自动添加辅助面”算法。该算法用于解决辅助工具中处理复杂几何模型时的关键问题。文中详细的介绍了该算法的设计思路和流程,并给出有效性的数学证明。随后通过例子展示算法的功能。以该算法为核心算法之一的辅助工具已经在实际中得到运用,并取得较好的效果。

基于蒙特卡罗算法的点覆盖问题解决方法

在WASN(wireless Ad hoc sensor network)中,点覆盖是一个基本问题。在考虑传感器节点移动的情况下,提出一个基于蒙特卡罗算法的目标点的集合覆盖质量评估算法,该算法每次从目标点集合中任意选取若干点进行评估,若全部满足覆盖质量要求则返回,否则标定不满足条件的目标点。反复调用该算法五次,可以使覆盖质量评估算法的正确率达到99%,从而可以有效解决无线传感器网络中的点覆盖问题。模拟证明该算法是可行的。

基于蒙特卡罗仿真和电压安全约束的无功优化算法

传统的电压无功优化采用确定性方法 ,并且主要考虑经济性 ,而在规划阶段需要对运行方式的不确定性进行更深入的研究。文中提出了基于蒙特卡罗仿真和电压安全约束的无功优化模型 ,以尽量提高节点的电压水平作为优化的目标。算法采用非序贯蒙特卡罗仿真实现 ,考虑了系统各种可能的运行状态及其出现的概率。该模型的优化结果对提高节点电压水平和整个系统的电压安全性效果显著 ,使系统在电压安全的基础上达到经济优化。以 IEEE可靠性标准测试系统为例进行了分析计算。算例表明 :该模型和算法可行 。

蒙特卡罗方法和ORDER算法在网络可靠度计算中的对比

对蒙特卡罗方法和ORDER算法在计算某中等规模的桥梁网络连通可靠度方面进行了对比。结果表明:OR-DER算法可以获得更精确的计算结果,而蒙特卡罗方法在计算速度上有优势。计算结果有助于政府管理者更好地了解桥梁网络状态。

用蒙特卡罗模拟评估小野条件下肺介质中AAA算法的精度

目的：用蒙特卡罗模拟评估放射治疗剂量计算使用的各向异性分析算法（Anisotropic Analytical Algorithm，AAA）在小野条件下肺介质中的计算精度。材料与方法：建立一包含肺介质的水模体，分别用AAA算法、笔形束卷积算法（Pencil Beam Convolution，PBC算法）（作为对比）和蒙特卡罗（Monte Carlo，MC）模拟计算2cm×2cm到8cm×8cm射野条件下该模体中的深度剂量和离轴比，并以MC模拟为标准比较深度剂量。用一维伽马分析对离轴比进行分析。结果：AAA算法在2cmx2cm射野肺介质区域高估了深度剂量，其它情况均低估了深度剂量，剂量偏差范围为-0．24％-2．66％．PBC算法在肺介质区域高估了深度剂量，剂量偏差的范围为1．18％～14．55％。AAA算法计算的离轴比和MC模拟，在射野剂量平坦区相对内收，在剂量跌落区向两侧发散，但AAA算法略高估了射野边缘的剂量，一维伽马分析（与MC相比）通过率为100％（3mm／3％）。PBC算法在射野剂量平坦区相对发散，而在剂量跌落区向两侧内收。一维伽马分析通过率范围为51％～88％。结论：在肺介质中，AAA剂量计算的结果与MC模拟的一致性较好，与PBC算法相比，剂量计算的精度较高。

蒙特卡罗算法并行计算研究

采用蒙特卡罗(MC)计算方法,进行核反应粒子输运计算,是业内近十几年发展起来的一种有相对优势的计算方法。本文针对并行计算过程中数据初始化、计算任务分配、计算结果归约、计算结果一致性、程序功能一致性等关键问题进行了多种算法优劣的比较以及程序实现过程中的难点进行了分析,最终给出了测试结果和研究结论。结果表明,MC算法在粒子输运计算过程中有着相当好的计算效率。

一种基于蒙特卡罗算法的传感器网络点覆盖质量评估技术

在无线传感器网络(Wireless Sensor Network)中,随着能量的消耗将导致部分节点失去工作效能,无法保证预先部署的节点有效地覆盖被监测区域或目标.因此,本文提出一种基于蒙特卡罗(MC)算法的目标点覆盖质量评估技术,该技术每次从目标点集合中任意选取若干点进行检测,若全部满足覆盖质量要求则返回,否则标定不满足条件的目标点.反复使用该技术有限次,可以使覆盖质量评估的正确率超过99%,从而可以有效解决无线传感器网络中的点覆盖质量评估问题,为节点的补充提供依据.分析和模拟实验表明该技术是可行的.

直接模拟蒙特卡罗方法下的逆温度抽样算法

从分子动力学出发,讨论了直接模拟蒙特卡罗方法中分子平均总能量、平均平动能以及边界热流密度的抽样方法.通过对与边界发生碰撞的分子进行统计平均,得到了分子反射能量与入射能量以及边界热流密度的关系式.在此基础上,通过结合壁面漫反射模型下分子反射速度的抽样方法,发展了一种从边界热流求得与壁面碰撞分子的平均反射特征温度的逆温度抽样算法.数值结果表明:该算法能够由分子反射能量准确求得分子反射特征温度,进而求得分子反射速度,从而将边界热流信息带入流场.该方法为实现壁面处给定热流边界条件下的直接模拟蒙特卡罗方法提供了途径.