MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
04659nam a22003975i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
110918 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230102113445.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
a||||fo|||| 00| 0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn nnnaamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
181229s2019 gw a o |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783662583951 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-662-58395-1 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Lengua de catalogación |
spa |
| Centro/agencia modificador |
ES-MaUEC |
| Centro/agencia transcriptor |
ES-MaUEC |
| 050 #4 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
QA279.2 |
| Número de documento/Ítem |
2019 EB |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Cacuci, Dan Gabriel |
| Término indicativo de función/relación |
autor |
| 9 (RLIN) |
670861 |
| 245 10 - MENCIÓN DE TÍTULO |
|---|
| Título |
BERRU Predictive Modeling : |
| Resto del título |
best estimate results with reduced uncertainties |
| Mención de responsabilidad, etc. |
by Dan Gabriel Cacuci |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Berlin, Heidelberg |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer Berlin Heidelberg : |
| -- |
Imprint: Springer |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2019 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea (XIV, 451 páginas) |
| Otras características físicas |
1 ilustración |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Fuente |
rdacontent |
| Término de tipo de contenido |
Texto |
| Código de tipo de contenido |
txt |
| 337 ## - TIPO DE MEDIO |
|---|
| Fuente |
rdamedia |
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| 338 ## - TIPO DE SOPORTE |
|---|
| Fuente |
rdacarrier |
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
text file |
| Formato de codificación |
PDF |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
Engineering (Springer-11647) |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Basics of predictive best-estimate model calibration -- Predictive best-estimate model-validation, model-calibration and model-verification concerning open and chaotic systems -- Differences to traditional statostic evaluation methods -- Examples. |
| 520 3# - SUMARIO, ETC. |
|---|
| Sumario, etc. |
This book addresses the experimental calibration of best-estimate numerical simulation models. The results of measurements and computations are never exact. Therefore, knowing only the nominal values of experimentally measured or computed quantities is insufficient for applications, particularly since the respective experimental and computed nominal values seldom coincide. In the author's view, the objective of predictive modeling is to extract "best estimate" values for model parameters and predicted results, together with "best estimate" uncertainties for these parameters and results. To achieve this goal, predictive modeling combines imprecisely known experimental and computational data, which calls for reasoning on the basis of incomplete, error-rich, and occasionally discrepant information. The customary methods used for data assimilation combine experimental and computational information by minimizing an a priori, user-chosen, "cost functional" (usually a quadratic functional that represents the weighted errors between measured and computed responses). In contrast to these user-influenced methods, the BERRU (Best Estimate Results with Reduced Uncertainties) Predictive Modeling methodology developed by the author relies on the thermodynamics-based maximum entropy principle to eliminate the need for relying on minimizing user-chosen functionals, thus generalizing the "data adjustment" and/or the "4D-VAR" data assimilation procedures used in the geophysical sciences. The BERRU predictive modeling methodology also provides a "model validation metric" which quantifies the consistency (agreement/disagreement) between measurements and computations. This "model validation metric" (or "consistency indicator") is constructed from parameter covariance matrices, response covariance matrices (measured and computed), and response sensitivities to model parameters. Traditional methods for computing response sensitivities are hampered by the "curse of dimensionality," which makes them impractical for applications to large-scale systems that involve many imprecisely known parameters. Reducing the computational effort required for precisely calculating the response sensitivities is paramount, and the comprehensive adjoint sensitivity analysis methodology developed by the author shows great promise in this regard, as shown in this book. After discarding inconsistent data (if any) using the consistency indicator, the BERRU predictive modeling methodology provides best-estimate values for predicted parameters and responses along with best-estimate reduced uncertainties (i.e., smaller predicted standard deviations) for the predicted quantities. Applying the BERRU methodology yields optimal, experimentally validated, "best estimate" predictive modeling tools for designing new technologies and facilities, while also improving on existing ones. . |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
670862 |
| Término de materia o nombre geográfico como elemento de entrada |
Predicción, Teoría de la |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| Término de materia o nombre geográfico como elemento de entrada |
Estadística |
| 9 (RLIN) |
138934 |
| 710 2# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE ENTIDAD CORPORATIVA |
|---|
| Nombre de entidad corporativa o nombre de jurisdicción como elemento de entrada |
SpringerLink (Online service) |
| 9 (RLIN) |
106996 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783662583937 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783662583944 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-662-58395-1 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 |
Primersemestre_2019_Engineering |
| 998 ## - FONDO MILLENIUM |
|---|
| Biblioteca |
SI |
| Tipo de registro |
m |
| Tipo de materia |
z |
| Idioma |
eng |
| País |
gw |
| h |
0 |
| Fecha creación |
09/2019 |
| e |
el |
| Catalogado |
Sí |