আপনার বিশ্লেষণ সেট আপ করার আগে, বর্তমান পরিস্থিতিতে কী জড়িত তার বাস্তবতা মনে রাখবেন।
এই মন্দাটি সরাসরি ভূমিকম্প বা সুনামির কারণে ঘটেনি। এটি ব্যাক-আপ পাওয়ারের অভাবে ছিল। ভূমিকম্প / সুনামি নির্বিশেষে যদি তাদের পর্যাপ্ত ব্যাক-আপ শক্তি থাকে তবে তারা শীতল জল বজায় রাখতে পারত এবং গলে যাওয়ার কোনও কিছুই ঘটত না। এতক্ষণে উদ্ভিদটি সম্ভবত ফিরে আসবে এবং চলবে।
জাপান যে কারণেই হোক না কেন, দুটি বৈদ্যুতিক ফ্রিকোয়েন্সি (50 হার্জ এবং 60 হার্জ)। এবং, আপনি 60 হার্জ বা তার বিপরীতে 50 হার্জ মোটর চালাতে পারবেন না। সুতরাং, উদ্ভিদটি যে পরিমাণ ফ্রিকোয়েন্সি ব্যবহার করছে / সরবরাহ করছে তা হ'ল তাদের শক্তি বাড়ানোর প্রয়োজনীয়তা। "মার্কিন টাইপ" সরঞ্জামগুলি 60 হার্জেডে চালিত হয় এবং "ইউরোপীয় প্রকারের" সরঞ্জামগুলি 50 হার্জেডে চালিত হয়, তাই বিকল্প বিদ্যুত উত্স সরবরাহ করার ক্ষেত্রে এটি মনে রাখবেন।
এর পরে, সেই উদ্ভিদটি মোটামুটি প্রত্যন্ত পার্বত্য অঞ্চলে। বাহ্যিক বিদ্যুৎ সরবরাহের জন্য অন্য অঞ্চল থেকে দীর্ঘ বিদ্যুৎ লাইন (বানাতে দিন / সপ্তাহের প্রয়োজন) বা বড় বড় পেট্রল / ডিজেল চালিত জেনারেটর প্রয়োজন। এই জেনারেটরগুলি যথেষ্ট ভারী যে তাদের একটি হেলিকপ্টার দিয়ে উড়ানো কোনও বিকল্প নয়। ভূমিকম্প / সুনামি থেকে রাস্তাগুলি অবরুদ্ধ হওয়ার কারণে এগুলিকে পরিবহন করাও সমস্যা হতে পারে। এগুলি জাহাজে করে আনা একটি বিকল্প, তবে এটি কয়েক দিন / সপ্তাহ সময় নেয়।
তল লাইনটি হ'ল, এই উদ্ভিদটির ঝুঁকি বিশ্লেষণটি ব্যাক-আপগুলির স্তরগুলি (কেবল এক বা দুটি নয়) নীচে নেমে আসে। এবং, কারণ এই চুল্লিটি একটি "সক্রিয় নকশা", যার অর্থ এটি নিরাপদে থাকার জন্য শক্তি প্রয়োজন, এই স্তরগুলি বিলাসিতা নয়, তাদের প্রয়োজন।
এটি একটি পুরানো গাছ। একটি নতুন উদ্ভিদ এইভাবে ডিজাইন করা হবে না।
সম্পাদনা করুন (03/19/2011) =========================================== ====
জে প্রেসলে: আপনার প্রশ্নের উত্তর দেওয়ার জন্য শর্তগুলির একটি সংক্ষিপ্ত ব্যাখ্যা প্রয়োজন।
আমি আমার মন্তব্যে যেমন বলেছি, আমার কাছে এটি "কখন" নয়, "যদি" নয়, এবং অপরিশোধিত মডেল হিসাবে আমি পয়সন বিতরণ / প্রক্রিয়াটি করার পরামর্শ দিয়েছিলাম। পইসন প্রক্রিয়া হ'ল ইভেন্টগুলির একটি সিরিজ যা সময়ের সাথে সাথে গড় হারে ঘটে (বা স্থান বা অন্য কোনও পরিমাপ)। এই ইভেন্টগুলি একে অপরের থেকে স্বাধীন এবং এলোমেলো (কোনও নিদর্শন নয়)) ইভেন্টগুলি একবারে ঘটে (2 বা ততোধিক ঘটনা ঠিক একই সময়ে ঘটে না)। এটি মূলত দ্বিপদী পরিস্থিতি ("ইভেন্ট" বা "কোনও ইভেন্ট নয়") যেখানে ঘটনাটি ঘটে যাওয়ার সম্ভাবনা তুলনামূলকভাবে কম। এখানে কয়েকটি লিঙ্ক রয়েছে:
http://en.wikipedia.org/wiki/Poisson_process
http://en.wikipedia.org/wiki/Poisson_distribution
পরবর্তী, তথ্য। আইএনইএস স্তর সহ 1952 সাল থেকে পারমাণবিক দুর্ঘটনার একটি তালিকা এখানে রয়েছে:
http://en.wikipedia.org/wiki/Nuclear_and_radiation_accidents
আমি 19 টি দুর্ঘটনা গণনা করি, 9 আইএনইএস স্তরের বর্ণনা করে। আইএনইএস স্তরবিহীনদের জন্য, আমি যা করতে পারি তা হ'ল স্তরটি স্তর 1 এর নীচে রয়েছে, সুতরাং আমি তাদের স্তর 0 নির্ধারণ করব।
সুতরাং, এটির পরিমাণ নির্ধারণের একটি উপায় হ'ল 59 বছরে 19 টি দুর্ঘটনা (59 = 2011 -1952)। এটি 19/59 = 0.322 acc / yr। এক শতাব্দীর ক্ষেত্রে, এটি প্রতি 100 বছরে 32.2 দুর্ঘটনা। পোয়েসন প্রক্রিয়া ধরে নিলে নিম্নলিখিত গ্রাফগুলি দেওয়া হবে।
মূলত, আমি দুর্ঘটনার তীব্রতার জন্য একটি লগনরমাল, গামা বা তাত্পর্যপূর্ণ বিতরণের পরামর্শ দিয়েছিলাম। যাইহোক, যেহেতু আইএনইএস স্তরগুলি পৃথক মান হিসাবে দেওয়া হয়, তাই বিতরণটি পৃথক করা দরকার। আমি জ্যামিতিক বা নেতিবাচক দ্বিপদী বিতরণ প্রস্তাব করব। এখানে তাদের বর্ণনা:
http://en.wikipedia.org/wiki/Negative_binomial_distribution
http://en.wikipedia.org/wiki/Geometric_distribution
এগুলি উভয়ই একই রকমের ডেটা ফিট করে, যা খুব ভাল নয় (অনেকগুলি স্তর 0, এক স্তর 1, শূন্য স্তর 2 গুলি ইত্যাদি)।
Fit for Negative Binomial Distribution
Fitting of the distribution ' nbinom ' by maximum likelihood
Parameters :
estimate Std. Error
size 0.460949 0.2583457
mu 1.894553 0.7137625
Loglikelihood: -34.57827 AIC: 73.15655 BIC: 75.04543
Correlation matrix:
size mu
size 1.0000000000 0.0001159958
mu 0.0001159958 1.0000000000
#====================
Fit for Geometric Distribution
Fitting of the distribution ' geom ' by maximum likelihood
Parameters :
estimate Std. Error
prob 0.3454545 0.0641182
Loglikelihood: -35.4523 AIC: 72.9046 BIC: 73.84904
জ্যামিতিক বিতরণ একটি সাধারণ একটি প্যারামিটার ফাংশন হয় যখন নেতিবাচক দ্বিপদী বিতরণ আরও নমনীয় দুটি প্যারামিটার ফাংশন। আমি নমনীয় দ্বিপদ বন্টন কীভাবে প্রাপ্ত হয়েছিল তার নমনীয়তা এবং আরও অনুমানের জন্য যাব। নীচে লাগানো নেতিবাচক দ্বিপদী বিতরণের একটি গ্রাফ রয়েছে।
নীচে এই সমস্ত জিনিসপত্রের জন্য কোড দেওয়া আছে। যদি কেউ আমার অনুমান বা কোডিংয়ের সাথে সমস্যা দেখা দেয় তবে এটি উল্লেখ করতে ভয় পাবেন না। আমি ফলাফলগুলি পরীক্ষা করে দেখেছি, তবে সত্যিই এটি খেয়ে নেওয়ার মতো পর্যাপ্ত সময় আমার হাতে নেই।
library(fitdistrplus)
#Generate the data for the Poisson plots
x <- dpois(0:60, 32.2)
y <- ppois(0:60, 32.2, lower.tail = FALSE)
#Cram the Poisson Graphs into one plot
par(pty="m", plt=c(0.1, 1, 0, 1), omd=c(0.1,0.9,0.1,0.9))
par(mfrow = c(2, 1))
#Plot the Probability Graph
plot(x, type="n", main="", xlab="", ylab="", xaxt="n", yaxt="n")
mtext(side=3, line=1, "Poisson Distribution Averaging 32.2 Nuclear Accidents Per Century", cex=1.1, font=2)
xaxisdat <- seq(0, 60, 10)
pardat <- par()
yaxisdat <- seq(pardat$yaxp[1], pardat$yaxp[2], (pardat$yaxp[2]-pardat$yaxp[1])/pardat$yaxp[3])
axis(2, at=yaxisdat, labels=paste(100*yaxisdat, "%", sep=""), las=2, padj=0.5, cex.axis=0.7, hadj=0.5, tcl=-0.3)
mtext("Probability", 2, line=2.3)
abline(h=yaxisdat, col="lightgray")
abline(v=xaxisdat, col="lightgray")
lines(x, type="h", lwd=3, col="blue")
#Plot the Cumulative Probability Graph
plot(y, type="n", main="", xlab="", ylab="", xaxt="n", yaxt="n")
pardat <- par()
yaxisdat <- seq(pardat$yaxp[1], pardat$yaxp[2], (pardat$yaxp[2]-pardat$yaxp[1])/pardat$yaxp[3])
axis(2, at=yaxisdat, labels=paste(100*yaxisdat, "%", sep=""), las=2, padj=0.5, cex.axis=0.7, hadj=0.5, tcl=-0.3)
mtext("Cumulative Probability", 2, line=2.3)
abline(h=yaxisdat, col="lightgray")
abline(v=xaxisdat, col="lightgray")
lines(y, type="h", lwd=3, col="blue")
axis(1, at=xaxisdat, padj=-2, cex.axis=0.7, hadj=0.5, tcl=-0.3)
mtext("Number of Nuclear Accidents Per Century", 1, line=1)
legend("topright", legend=c("99% Probability - 20 Accidents or More", " 1% Probability - 46 Accidents or More"), bg="white", cex=0.8)
#Calculate the 1% and 99% values
qpois(0.01, 32.2, lower.tail = FALSE)
qpois(0.99, 32.2, lower.tail = FALSE)
#Fit the Severity Data
z <- c(rep(0,10), 1, rep(3,2), rep(4,3), rep(5,2), 7)
zdis <- fitdist(z, "nbinom")
plot(zdis, lwd=3, col="blue")
summary(zdis)
সম্পাদনা (03/20/2011) =========================================== ============
জে প্রেসলে: আমি দুঃখিত যে আমি গতকাল এটি শেষ করতে পারিনি। আপনি জানেন কীভাবে এটি সাপ্তাহিক ছুটিতে থাকে, প্রচুর শুল্ক।
এই প্রক্রিয়াটির শেষ পদক্ষেপটি কোনও ইভেন্ট কখন ঘটে তা নির্ধারণ করার জন্য পইসন বিতরণ ব্যবহার করে একটি সিমুলেশন জড়ো করা এবং তারপরে ইভেন্টটির তীব্রতা নির্ধারণ করার জন্য নেগেটিভ দ্বিপদী বিতরণ। স্তরের 0 ইভেন্টের মাধ্যমে স্তরের 0 এর জন্য 8 সম্ভাব্যতা বিতরণ উত্পন্ন করতে আপনি "সেঞ্চুরি খণ্ডগুলি" এর 1000 সেট পরিচালনা করতে পারেন। আমি যদি সময় পাই তবে আমি সিমুলেশনটি চালাতে পারি, তবে আপাতত, বিবরণটি করতে হবে। হয়তো এই স্টাফটি পড়ছেন এমন কেউ এটি চালাবেন। এটি সম্পন্ন হওয়ার পরে আপনার একটি "বেস কেস" থাকবে যেখানে ইভেন্টগুলির সমস্তগুলি ইণ্ডেপেন্ডেন্ট বলে ধরে নেওয়া হয়।
স্পষ্টতই, পরবর্তী পদক্ষেপটি উপরের অনুমানগুলির এক বা একাধিক শিথিল করা। শুরু করার জন্য একটি সহজ জায়গা পয়সন বিতরণ দিয়ে। এটি ধরে নিয়েছে যে সমস্ত ইভেন্ট 100% স্বতন্ত্র। আপনি এটি বিভিন্ন প্রকারে পরিবর্তন করতে পারেন। এখানে অ-সমজাতীয় পোইসন বিতরণের কয়েকটি লিঙ্ক রয়েছে:
http://www.math.wm.edu/~leemis/icrsa03.pdf
http://filebox.vt.edu/users/pasupath/papers/nonhompoisson_streams.pdf
একই ধারণা নেতিবাচক দ্বিপদী বিতরণের জন্য যায়। এই সংমিশ্রণ আপনাকে সমস্ত প্রকারের পথে নামিয়ে আনবে। এখানে কিছু উদাহরন:
http://surveillance.r-forge.r-project.org/
http://www.m-hikari.com/ijcms-2010/45-48-2010/buligaIJCMS45-48-2010.pdf
http://www.michaeltanphd.com/evtrm.pdf
নীচের লাইনটি, আপনি একটি প্রশ্ন জিজ্ঞাসা করেছিলেন যেখানে উত্তরটি আপনি এটি কতদূর নিতে চান তার উপর নির্ভর করে। আমার ধারণা, কেউ, কোথাও কোথাও "একটি উত্তর" উত্পন্ন করার জন্য কমিশন হবে এবং কাজটি করতে কতক্ষণ সময় নেয় তা অবাক করে দেবেন।
সম্পাদনা করুন (03/21/2011) =========================================== ==========
আমি উপরে উল্লিখিত সিমুলেশন একসাথে চড় মারার সুযোগ পেয়েছিলাম। ফলাফল নিচে দেখানো হয়েছে। আসল পয়সন বিতরণ থেকে, সিমুলেশনটি আটটি পোইসন বিতরণ সরবরাহ করে, প্রতিটি আইএনইএস স্তরের জন্য একটি করে। তীব্রতার মাত্রা বাড়ার সাথে সাথে (আইএনইএস স্তর সংখ্যা বৃদ্ধি পায়), প্রতি শতাব্দী প্রত্যাশিত ইভেন্টের সংখ্যা কমে যায়। এটি কোনও অপরিশোধিত মডেল হতে পারে তবে এটি শুরু করার জন্য যুক্তিসঙ্গত জায়গা।
