隨機創造法

㈠ 發明創造方法八種

發明創造方法太多了，比較簡單的幾種就是頭腦風暴法，加一加法，減一減法，大一大法，小一小法，變一變法，缺點類舉法，靈感法等等。

㈡ 隨機數表法的創始人

隨機數表是計算機隨機排出來的數字組合，沒有規律，這些數字的出現完全是等概率的
隨機數表是統計工作者用計算機生成的隨機數組成，並保證表中每個位置上出現哪一個數字是等概率的，利用隨機數表抽取樣本保證了各個個體被抽取的概率相等。
作為銀行來說，銀行的ID和密碼也非常脆弱。如果有隨機數表，就可以防備此類事件。隨機數表是指為每個客戶指定各不相同的數字列表，申請時將該隨機數表分配給客戶。
如果我們平時用的密碼都是電腦隨機分配的，而不是按照一定的規律給出的，你想，這不是安全很多麼
可能你是覺得作題的時候要從隨機數表選擇一些數據，這樣沒有什麼用處，可是在實際生活中，這些隨機數表起著很大很大的作用呢
所以你會聽到很多人會專門去尋找隨機數表產生器嗎？

你可以看看這篇文章。網頁鏈接

㈢ 隨機數生成的原理和方法

原理太高深，提供方法是可以的

1、
在C++中可以的，函數是這樣用,比如0至1的隨機數
Random ran=new Random();
int RandKey=ran.Next(0,1);
不過這樣會有重復,可以給Random一個系統時間做為參數，以此產生隨機數，就不會重復了
System.Random a=new Random(System.DateTime.Now.Millisecond);
int RandKey =a.Next(10);

2、
在EXCEL中也有相應的函數
RAND( )
註解
若要生成 a 與 b 之間的隨機實數：
=RAND()*(b-a)+a
如果要使用函數 RAND 生成一隨機數，並且使之不隨單元格計算而改變，可以在編輯欄中輸入「=RAND()」，保持編輯狀態，然後按 F9，將公式永久性地改為隨機數。
示例
RAND() 介於 0 到 1 之間的一個隨機數（變數）
復制到其它單元格中就可以同時產生多個

㈣ 產生隨機數的常用方法

簡單隨機抽樣是一種最簡單、最基本的抽樣方法,簡單隨機抽樣有兩種選取個體的方法：放回和不放回,我們在抽樣調查中用的是不放回抽樣,常用的簡單隨機抽樣方法有抽簽法和隨機數法.例：人們打橋牌時,將洗好的撲克牌隨機確定一張為起始牌,這時按次序搬牌時,對任何一家來說,都是從52張牌中抽取13張牌,問這種抽樣方法是否是簡單隨機抽樣?[分析] 簡單隨機抽樣的實質是逐個地從總體中隨機抽取樣本,而這里只是隨機確定了起始張,其他各張牌雖然是逐張起牌,但是各張在誰手裡已被確定,所以不是簡單隨機抽樣.

㈤ 隨機建模的方法和步驟［4］

隨機建模（Stochastic Modeling）方法承認地質參數的分布有一定的隨機性，而人們對它的認識總會存在一些不確定的因素，因此建立地質模型時考慮了這些隨機性引起的多種可能出現的實際情況，供地質人員選擇。

隨機建模方法認為，在現有技術情況下，對地下儲層的認識存在一定的不確定性，一是已知資料控制點有限，以300m井距井網為例，井孔提示的儲層體積所佔整個儲層體積，以百萬至千萬分之一數量級計，絕大部分儲層性質是依靠這些少數已知點去推測的；二是描述這些控制點儲層性質的技術本身還存在一定的誤差，如測井解釋滲透率，經常可達數倍的誤差。隨機建模方法同時又認為，作為地質體的儲層，其各項屬性的非均質分布，由於其有一定的地質成因，應存在一定的地質統計特徵，用這一地質統計特徵去表徵儲層非均質性的總體面貌，而不追求每一個預測點的確定的數值，仍然在一定時間、一定條件下可以為油氣田開發提供合理的地質模型，保證流體流動模擬的可信和開發決策的正確。

8.1.3.1 隨機建模的類別

儲層隨機建模通常又分為條件模擬和非條件模擬。其根本區別在於條件模擬較非條件模擬不僅要求模擬產生的儲層隨機圖像（包含儲層分布和物性等方面信息的圖像）符合實際資料所觀測到的儲層屬性空間分布的相關結構（地質統計特徵），而且要求在井位處（或資料點處）的模擬結果與實際資料一致。通常講的隨機模擬一般指條件模擬。隨機模擬方法分為以下兩類：

1）離散性模擬方法：離散性模擬主要建立儲層岩相的分布模型，用來描述離散性的地質特徵，包括確定儲層、隔層、砂體（儲滲體）的空間分布邊界和空間幾何形態等。實際上就是實現氣藏描述中的儲層分布預測。所採用的模擬方法包括：示點性過程模擬、馬爾可夫-貝葉斯指示模擬、序貫指示模擬、鑲嵌過程模擬、截斷高斯模擬等方法；對於非條件模擬，則可採用布爾模擬。

2）連續性模擬方法：連續性模擬主要建立岩相邊界控制下的儲層參數（孔隙度、滲透率、含水飽和度、泥質含量、碳酸鹽含量等）的分布模型，即油氣藏描述中的儲層參數預測。所採用的模擬方法包括：退火模擬、序貫指示模擬、分形隨機函數法、高斯隨機函數法以及馬爾可夫隨機域法等。

對於非條件模擬，則可採用轉帶法。

8.1.3.2 儲層隨機建模的基本步驟

儲層建模工作的實施主要包括以下三個基本步驟。

（1）建立儲層原型模型

建立儲層原型模型是隨機建模的基礎，所謂原型模型就是儲層的實體地質模型，任何油藏（儲層）描述方法都是只由零散信息對儲層實體所進行的一種推斷，這種推斷可以是確定性的（如地震儲層橫向預測），也可以是不確定性的（如統計推斷）。在不了解地質實體的前提下，任何一次研究結果，只能看作一次對地質實體的隨機抽樣，抽樣結果的准確性依賴於統計的概率把握程度，這種把握程度只能來自於原型模型的建立。

儲層原型模型的建立就是為了構築一個與實際儲層盡可能接近的儲層信息標准答案庫，從可見的實體模型描述入手，來建立各種地質知識庫（這其中包括了各種儲層的邊界和儲層參數的空間分布），建立相應的先驗概率知識，如參數分布的范圍、均值、方差、分布函數等。只有這樣，儲層隨機建模才有依據。

原型模型的建立方法較多，目前主要採用的有：

1）物理模擬——以水槽模擬為主要代表；

2）野外露頭精細描述——國內外已廣泛開展；

3）現代沉積研究——在沉積學領域已有大量實例，是構築沉積學理論的重要基礎；

4）密井網精細對比與描述——主要在老開發區進行；

5）地震資料的確定性建模方法——主要依靠地震資料空間大信息量的優勢，依靠資料處理，確定儲層分布的宏觀模型，重點是砂體的分布，同時也能對儲層孔隙度、滲透率參數進行趨勢性的估計。

（2）建立儲層的隨機模型

取得了儲層原型模型以後，就可以建立儲層的隨機模型，它是以反映儲層各項特徵的參數統計為手段，建立相應的概率模型，如儲層厚度、孔隙度、滲透率、含油飽和度等參數的分布規律和空間結構。對參數分布規律的認識主要以傳統概率統計為基礎，確定參數分布的大小范圍、均值、方差、分布函數類型等，進而對空間結構進行分析（變差函數的計算）。

通過對儲層特徵建立隨機模型，可以把各種地質認識（定性描述）和觀測數據有機地結合起來，並可以反映由於信息缺乏而引起的不確定性。在已經建立的隨機模型的基礎上，再進行隨機模擬，產生出反映儲層非均質性的一系列等概率實現。每個實現就是一種可能的儲層參數的空間分布，它們之間的差異反映了隨機模型中所包含的不確定性，也就是我們常常談到的研究中的多解性問題。

（3）儲層的隨機模擬

建立了儲層隨機模型後，就可以進行儲層的隨機模擬，隨機模擬分為條件模擬和非條件模擬兩種。非條件模擬只是要求再現地質特徵的空間分布規律及相關性，而條件模擬不僅要求再現地質特徵的空間分布和相關性，而且還要求在抽樣位置上與實測數據一致或在指定位置上具有指定的特性。

對於不同的儲層屬性，具有不同的隨機模型，應採用不同的模擬方法。由於大型計算機的出現，使細網格和高維空間的模擬得以實現，在實際應用中，尋求一種快速有效的模擬演算法成為眾多的研究者所探求的目標。

8.1.3.3 儲層隨機建模的基本流程

儲層隨機建模一般分為兩個階段進行，即先採用離散型模擬方法，建立儲層的骨架模型；然後在儲層骨架模型邊界的控制下，應用針對連續性變數（如儲層物性）的模擬方法建立儲層參數模型。這就是目前大多數研究者使用的兩階段建模的基本流程。

陳恭洋^［4］根據兩階段建模的思路，提出了一個基本的隨機建模流程（圖8.1），該流程圖中包括了9個方面的研究內容。

圖8.1 儲層隨機建模總體設計流程框圖^［4］

1）地層模型：以克里格插值技術為基本手段，主要研究儲層頂、底界面的空間展布特徵，並通過地質統計對比確定小斷層帶的空間分布。大的斷層可由地震資料解釋予以確定。該項研究主要提供後續儲層和油氣藏模擬的大的邊界信息。

2）沉積相分析：包括大相和微相分析兩部分研究內容，並以後者為研究重點。大相分析以區域沉積背景知識為指南，結合地震相的分析，明確研究工區較大范圍內的沉積體系及空間展布特徵。最後確定出油氣藏范圍內儲層所處的相帶沉積部位，為微相研究奠定堅實的基礎。

微相分析重點研究沉積成因單元的結構要素及其組合型式以及它們的空間展布規律，為儲層隨機建模提供必要的地質先驗知識，主要依據沉積學的研究手段進行。

3）高解析度層序地層分析：主要應用於油氣藏規模的儲層對比技術，依靠岩心和測井資料，進行開發階段的儲層表徵中儲層的精細對比。因為儲層岩性、幾何形態、連續性及岩石物理特徵等是在沉積物堆積過程中產生的，精確的地層對比可以在四維空間中對這些特徵有更清楚的認識，高分辨地層對比是識別非均質性的有效方法。另外，具時間意義的地層界面通常與流體流動單元的岩石物理面相一致，可通過精細地層對比，劃分流動單元。隨著時間解析度的提高，對地層形態和規模、相的位置和岩石物理特徵的預測也就更加精確。與沉積相的分析相結合，是目前油田覆蓋區建立儲層原型地質模型最有效的方法。

4）儲層岩相分布的離散型隨機模擬：這是儲層隨機建模的核心內容之一，一般作為儲層隨機建模的第一步，為儲層參數空間分布的連續性模擬提供邊界控制信息。序貫指示模擬（SISIM）和示性點過程模擬（MPPS）被認為是兩種有效的研究方法。序貫指示模擬以指示理論為基礎，將各種沉積微相帶視為空間分布的離散性隨機變數，進行地質統計學的條件模擬，其缺點是難以描述儲層的形態特徵。而示性點過程模擬是一種面向對象的方法，十分符合沉積學的思想和推理過程，將沉積學研究所認定的儲層砂體幾何形態、位置、大小、連通方式等儲層參數作為服從一定分布的離散型隨機變數，建立相應的隨機模型進行隨機模擬，其缺點是難以實現條件模擬。將兩者有機地結合起來可能是一種好的途徑。

5）測井和地震資料處理：這方面的技術已在現代油氣藏描述中被大量採用。更重要的是補充建模時僅依靠井點信息的不足，使儲層建模不僅在油氣藏開發階段發揮重大作用，而且在勘探的各個時期也能充分發揮作用，提供新的儲層預測方法。

6）分形和地質統計學條件模擬：這是解決儲層參數空間分布的關鍵性模擬方法。地質統計學模型可以很好地刻畫儲層參數分布的空間結構和變異性。而分形方法則能精確地表徵儲層的非均質性，並能克服由克里金方法所帶來的光滑效應。兩者的結合已被大量的研究實例證明是一種有效的儲層預測途徑。

7）網格粗化：儲層建模階段的細網格模擬可以盡可能精細地提示儲層的非均質特徵。但遺憾的是，在油藏動態模擬器中，由於受到目前計算能力的限制，難以接受這種細網格的參數輸入。因此，必須進行網格的粗化，粗化的准則一般需要考慮到儲層孔隙容積和儲層的滲流能力（即孔隙度和滲透率），其中尤以儲層對流體傳導能力（滲透率）的近似最為關鍵。

8）油氣藏數值模擬動態擬合與靜態資料約束決策：這是對前述儲層隨機建模所產生的多幅等概率實現的圖像進行優選決策的過程。研究的重點並不在於動態模擬，因此無需考慮復雜條件下的數值模擬問題。主要是對油氣藏壓力、產油氣量和含水率三項參數進行歷史擬合，並結合靜態地質資料的各項條件約束（包括儲層參數的統計規律和地質認識等），選取一個最符合動態和靜態條件的隨機圖像作為所建立的儲層地質模型。這一模型是以各種參數場的形式所表示的。

9）三維可視化：即將前面所建立的反映儲層地質模型的各種參數場通過計算機進行三維成像或制圖。目前，三維可視化的研究與設計已經成為計算機成像領域中的一項熱門課題，它使所取得的成果大大地增強了油氣藏的研究與管理的可操作性和直觀性。

綜上所述，儲層建模實際上是對油田各類數據資料通過計算機技術進行有效的綜合。因此，從地質角度上講，要形成一套比較先進而有效的建模方法，更大程度上還是要依賴於先進的地質、地球物理和分析測試資料處理技術來獲取可靠的輸入參數。

8.1.3.4 儲層隨機建模的軟體系統

在隨機模型方法和理論發展的同時，模擬軟體也得到了一定的發展，美國斯坦福大學、墨西哥礦業技術學院、荷蘭皇家/殼牌公司、雪飛龍公司、GeoQuest公司等都開發和研製了自己的地質統計學和儲層模擬軟體。加拿大GeoStat系統公司和McGill大學聯合推出了智能模擬或專家系統軟體GeoStat，法國石油研究院和地質統計中心聯合開發的HERESIM軟體包也取得了較大的影響。這些軟體的主要功能如下：

1）以轉帶法和指示克里格法相結合，用於儲層的橫向和垂向對比，其數學基礎是Bessel函數和指示相關函數（美國墨西哥礦業技術學院開發TUBA軟體）；

2）用於SGI圖形工作站的地質模型軟體，其特色是可以採取任意切片的方法來展現儲層孔隙度、滲透率和砂體在連續斷面或切片上的分布特徵，其數理基礎是隨機模擬（美國Strata-Model公司研製SGM軟體）；

3）以條件概率法為基礎設計，主要用於模擬砂岩油藏中的三維儲層的連通性和構形（荷蘭皇家/殼牌集團公司推出MONARCH軟體）；

4）以BP神經網路技術為主、依據地質統計學和地震特徵進行隨機建模的軟體，其關鍵方法是分析並擬合儲層物理特性和岩石屬性的直方圖和變差函數分布，求出它的特徵值，以建立數學模型（荷蘭Jason公司推出Stat Mod軟體）；

5）將地質統計和智能模擬技術相結合，不僅包括各種數值運算、多元統計，還包含可引導、承擔、評價和推斷地質統計運行的知識和專家經驗。因此，該軟體具有兩大特色：一是儲層地質特性模擬及立體化定量顯示；二是具有地質解釋中的專家知識和經驗（加拿大GeoStat系統公司和McGill大學聯合推出GeoStat系統）。

上述軟體都在各自的使用中發揮了很大的效益，也取得了不少有意義的成果。盡管每套軟體各有側重，但考察它們的共同之處，主要體現在三個方面：①強調儲層描述的高度定量化，體現了油氣儲層研究已從定性發展到了定量的水平；②均從儲層骨架分布和儲層參數特徵兩個方面進行建模，把握了儲層特徵的關鍵要素；③體現了多學科、多信息的綜合研究趨勢。因此，從儲層建模軟體的發展，也顯示出了儲層隨機建模在當前油氣勘探開發研究中的重要意義和良好前景。

㈥ 簡述常用的隨機化方法

隨機模擬：蒙特卡羅法蒙特卡羅(MonteCarlo)法也稱為隨機模擬方法.它的基本思想是,為了求解數學、物理、工程技術以及生產管理等方面的問題,首先建立一個概率模型或隨機過程,使它的參數等於問題的解。蒙特卡洛(Monte Carlo)模擬是一種通過設定隨機過程，反復生成時間序列，計算參數估計量和統計量，進而研究其分布特徵的方法。具體的，當系統中各個單元的可靠性特徵量已知，但系統的可靠性過於復雜，難以建立可靠性預計的精確數學模型或模型太復雜而不便應用時，可用隨機模擬法近似計算出系統可靠性的預計值；隨著模擬次數的增多，其預計精度也逐漸增高。由於涉及到時間序列的反復生成，蒙特卡洛模擬法是以高容量和高速度的計算機為前提條件的，因此只是在近些年才得到廣泛推廣。

㈦ 隨機模擬的簡要方法

隨機模擬也稱蒙特卡羅法或統計試驗法，這種計算方法以概率與統計理論為基礎，由威勒蒙和馮紐曼在20世紀40年代為研製核武器而首先提出，在此之前，作為該方法的基本思想，實際上早就被統計學家發現和利用。
隨機模擬是指在分析一個系統時，可先構造一個與該系統相似的模型，通過在模型上進行實驗來研究原模型，這就是模擬。隨機系統可以用概率模型來描述並進行實驗，稱為隨機模擬方法。
中文名 隨機模擬 外文名 stochastic simulation 別 名 蒙特卡羅法、統計試驗法 提出時間 20世紀40年代 提出者 威勒蒙和馮紐曼 基 礎 概率與統計理論
隨機模擬方法是一種應用隨機數來進行模擬實驗的方法，也稱為蒙特卡羅法。這種方法名稱來源於世界著名的賭城——摩納哥的蒙特卡羅，通過對研究問題或系統進行隨機抽樣，然後對樣本值進行統計分析，進而得到所研究問題或系統的某些具體參數、統計量等。
客觀世界的某些現象之間存在著某種相似性，因而可以從一種現象出發研究另一種現象。比如在分析一個系統時，可先構造一個與該系統相似的模型，通過在模型上進行實驗來研究原模型，這就是模擬。隨機系統可以用概率模型來描述並進行實驗，稱為隨機模擬方法。
隨機模擬也稱蒙特卡羅法或統計試驗法，這種計算方法以概率與統計理論為基礎，由威勒蒙和馮紐曼在20世紀40年代為研製核武器而首先提出，在此之前，作為該方法的基本思想，實際上早就被統計學家發現和利用。
模擬是模仿隨時間演進的現實世界系統運行的一種技術。模擬模型分為靜態模擬模型和動態模擬模型。靜態模擬模型表現處於某個時間點的系統；動態模擬模型表現隨時間而演進的系統。模擬可以是確定性的或隨機的。確定性模擬不包含隨機變數，隨機模擬包含一個或多個隨機變數，可用離散型或連續型模型來表現模擬。離散模擬狀態變數只在離散的時間變化的模擬，連續模擬指狀態變數隨時間連續變化。

㈧ 模擬創造法是什麼

根據科學教育內容要求，指導學生運用已掌握的科學知識和技能，按照自己的意內願和想像，獨立或協作完成某種科容技作品（或設想），即模擬創造法。這種教學法的出發點和落腳點都應該是「創造」。在教學過程中，教師要堅持教育學生敢於想、善於想、勇於實踐；要多欣賞，勤鼓勵，耐心幫助學生。在任何情況下都沒有理由傷害學生純真的心靈和創造的熱情。

如在教學《漫畫仿生》一課時，教師讓學生把某種生物的某種功能和本領與日常生活的需要聯系起來，提出一些發明創造的設想，學生充分發揮自己的想像力、創造力，大膽發言，有的說「我想發明一種測溫筆，筆芯在不同的溫度下會改變顏色，根據顏色的變化，測知物體的溫度。」有的說：「我想發明一種變色、調溫服裝，一年四季都能穿，很方便。」……

學生發言多種多樣，甚至異想天開，顯示出非常強烈的創造慾望。對於學生的回答，教師應及時給予肯定、表揚、引導。學生獨特的想法得到尊重，得到表揚，能使他們享受到成功的樂趣，有利於促進學生創造性地發揮，創造意識得到有力強化，有一部分學生動手實現了自己的理想。

㈨ 魔獸爭霸隨機英雄的製作方法

這個必須用到觸發器，不用觸發器是做不出來的，而且需要一點變數知識。

先設單位類型數組變數為你要隨機的英雄。

㈩ 常見的隨機化方法包括

隨機抽樣：按照隨機的原則，即保證總體中每個單位都有同等機會被抽中的原則抽取樣本的方法。隨機抽樣又分為純隨機抽樣、分層抽樣、系統抽樣、整群抽樣、多階段抽樣等。
簡單隨機分組（simple randomization）：可將研究對象以個人為單位用擲硬幣（正、反兩面分別指定為實驗組和對照組）、抽簽、使用隨機數字表，也可採用系統隨機化法，即用現成的數據（如研究對象順序號、身份證號、病歷卡號、工號、學號等）交替隨機分配到實驗組和對照組中去。隨機分組後，當樣本量較大時，每組不完全相等，一般可進行實驗研究，當樣本量較小時，每組內個體數量相差較大，則需要再重新隨機分組，直至達到預定的均衡要求。