随机创造法

㈠ 发明创造方法八种

发明创造方法太多了，比较简单的几种就是头脑风暴法，加一加法，减一减法，大一大法，小一小法，变一变法，缺点类举法，灵感法等等。

㈡ 随机数表法的创始人

随机数表是计算机随机排出来的数字组合，没有规律，这些数字的出现完全是等概率的
随机数表是统计工作者用计算机生成的随机数组成，并保证表中每个位置上出现哪一个数字是等概率的，利用随机数表抽取样本保证了各个个体被抽取的概率相等。
作为银行来说，银行的ID和密码也非常脆弱。如果有随机数表，就可以防备此类事件。随机数表是指为每个客户指定各不相同的数字列表，申请时将该随机数表分配给客户。
如果我们平时用的密码都是电脑随机分配的，而不是按照一定的规律给出的，你想，这不是安全很多么
可能你是觉得作题的时候要从随机数表选择一些数据，这样没有什么用处，可是在实际生活中，这些随机数表起着很大很大的作用呢
所以你会听到很多人会专门去寻找随机数表产生器吗？

你可以看看这篇文章。网页链接

㈢ 随机数生成的原理和方法

原理太高深，提供方法是可以的

1、
在C++中可以的，函数是这样用,比如0至1的随机数
Random ran=new Random();
int RandKey=ran.Next(0,1);
不过这样会有重复,可以给Random一个系统时间做为参数，以此产生随机数，就不会重复了
System.Random a=new Random(System.DateTime.Now.Millisecond);
int RandKey =a.Next(10);

2、
在EXCEL中也有相应的函数
RAND( )
注解
若要生成 a 与 b 之间的随机实数：
=RAND()*(b-a)+a
如果要使用函数 RAND 生成一随机数，并且使之不随单元格计算而改变，可以在编辑栏中输入“=RAND()”，保持编辑状态，然后按 F9，将公式永久性地改为随机数。
示例
RAND() 介于 0 到 1 之间的一个随机数（变量）
复制到其它单元格中就可以同时产生多个

㈣ 产生随机数的常用方法

简单随机抽样是一种最简单、最基本的抽样方法,简单随机抽样有两种选取个体的方法：放回和不放回,我们在抽样调查中用的是不放回抽样,常用的简单随机抽样方法有抽签法和随机数法.例：人们打桥牌时,将洗好的扑克牌随机确定一张为起始牌,这时按次序搬牌时,对任何一家来说,都是从52张牌中抽取13张牌,问这种抽样方法是否是简单随机抽样?[分析] 简单随机抽样的实质是逐个地从总体中随机抽取样本,而这里只是随机确定了起始张,其他各张牌虽然是逐张起牌,但是各张在谁手里已被确定,所以不是简单随机抽样.

㈤ 随机建模的方法和步骤［4］

随机建模（Stochastic Modeling）方法承认地质参数的分布有一定的随机性，而人们对它的认识总会存在一些不确定的因素，因此建立地质模型时考虑了这些随机性引起的多种可能出现的实际情况，供地质人员选择。

随机建模方法认为，在现有技术情况下，对地下储层的认识存在一定的不确定性，一是已知资料控制点有限，以300m井距井网为例，井孔提示的储层体积所占整个储层体积，以百万至千万分之一数量级计，绝大部分储层性质是依靠这些少数已知点去推测的；二是描述这些控制点储层性质的技术本身还存在一定的误差，如测井解释渗透率，经常可达数倍的误差。随机建模方法同时又认为，作为地质体的储层，其各项属性的非均质分布，由于其有一定的地质成因，应存在一定的地质统计特征，用这一地质统计特征去表征储层非均质性的总体面貌，而不追求每一个预测点的确定的数值，仍然在一定时间、一定条件下可以为油气田开发提供合理的地质模型，保证流体流动模拟的可信和开发决策的正确。

8.1.3.1 随机建模的类别

储层随机建模通常又分为条件模拟和非条件模拟。其根本区别在于条件模拟较非条件模拟不仅要求模拟产生的储层随机图像（包含储层分布和物性等方面信息的图像）符合实际资料所观测到的储层属性空间分布的相关结构（地质统计特征），而且要求在井位处（或资料点处）的模拟结果与实际资料一致。通常讲的随机模拟一般指条件模拟。随机模拟方法分为以下两类：

1）离散性模拟方法：离散性模拟主要建立储层岩相的分布模型，用来描述离散性的地质特征，包括确定储层、隔层、砂体（储渗体）的空间分布边界和空间几何形态等。实际上就是实现气藏描述中的储层分布预测。所采用的模拟方法包括：示点性过程模拟、马尔可夫-贝叶斯指示模拟、序贯指示模拟、镶嵌过程模拟、截断高斯模拟等方法；对于非条件模拟，则可采用布尔模拟。

2）连续性模拟方法：连续性模拟主要建立岩相边界控制下的储层参数（孔隙度、渗透率、含水饱和度、泥质含量、碳酸盐含量等）的分布模型，即油气藏描述中的储层参数预测。所采用的模拟方法包括：退火模拟、序贯指示模拟、分形随机函数法、高斯随机函数法以及马尔可夫随机域法等。

对于非条件模拟，则可采用转带法。

8.1.3.2 储层随机建模的基本步骤

储层建模工作的实施主要包括以下三个基本步骤。

（1）建立储层原型模型

建立储层原型模型是随机建模的基础，所谓原型模型就是储层的实体地质模型，任何油藏（储层）描述方法都是只由零散信息对储层实体所进行的一种推断，这种推断可以是确定性的（如地震储层横向预测），也可以是不确定性的（如统计推断）。在不了解地质实体的前提下，任何一次研究结果，只能看作一次对地质实体的随机抽样，抽样结果的准确性依赖于统计的概率把握程度，这种把握程度只能来自于原型模型的建立。

储层原型模型的建立就是为了构筑一个与实际储层尽可能接近的储层信息标准答案库，从可见的实体模型描述入手，来建立各种地质知识库（这其中包括了各种储层的边界和储层参数的空间分布），建立相应的先验概率知识，如参数分布的范围、均值、方差、分布函数等。只有这样，储层随机建模才有依据。

原型模型的建立方法较多，目前主要采用的有：

1）物理模拟——以水槽模拟为主要代表；

2）野外露头精细描述——国内外已广泛开展；

3）现代沉积研究——在沉积学领域已有大量实例，是构筑沉积学理论的重要基础；

4）密井网精细对比与描述——主要在老开发区进行；

5）地震资料的确定性建模方法——主要依靠地震资料空间大信息量的优势，依靠资料处理，确定储层分布的宏观模型，重点是砂体的分布，同时也能对储层孔隙度、渗透率参数进行趋势性的估计。

（2）建立储层的随机模型

取得了储层原型模型以后，就可以建立储层的随机模型，它是以反映储层各项特征的参数统计为手段，建立相应的概率模型，如储层厚度、孔隙度、渗透率、含油饱和度等参数的分布规律和空间结构。对参数分布规律的认识主要以传统概率统计为基础，确定参数分布的大小范围、均值、方差、分布函数类型等，进而对空间结构进行分析（变差函数的计算）。

通过对储层特征建立随机模型，可以把各种地质认识（定性描述）和观测数据有机地结合起来，并可以反映由于信息缺乏而引起的不确定性。在已经建立的随机模型的基础上，再进行随机模拟，产生出反映储层非均质性的一系列等概率实现。每个实现就是一种可能的储层参数的空间分布，它们之间的差异反映了随机模型中所包含的不确定性，也就是我们常常谈到的研究中的多解性问题。

（3）储层的随机模拟

建立了储层随机模型后，就可以进行储层的随机模拟，随机模拟分为条件模拟和非条件模拟两种。非条件模拟只是要求再现地质特征的空间分布规律及相关性，而条件模拟不仅要求再现地质特征的空间分布和相关性，而且还要求在抽样位置上与实测数据一致或在指定位置上具有指定的特性。

对于不同的储层属性，具有不同的随机模型，应采用不同的模拟方法。由于大型计算机的出现，使细网格和高维空间的模拟得以实现，在实际应用中，寻求一种快速有效的模拟算法成为众多的研究者所探求的目标。

8.1.3.3 储层随机建模的基本流程

储层随机建模一般分为两个阶段进行，即先采用离散型模拟方法，建立储层的骨架模型；然后在储层骨架模型边界的控制下，应用针对连续性变量（如储层物性）的模拟方法建立储层参数模型。这就是目前大多数研究者使用的两阶段建模的基本流程。

陈恭洋^［4］根据两阶段建模的思路，提出了一个基本的随机建模流程（图8.1），该流程图中包括了9个方面的研究内容。

图8.1 储层随机建模总体设计流程框图^［4］

1）地层模型：以克里格插值技术为基本手段，主要研究储层顶、底界面的空间展布特征，并通过地质统计对比确定小断层带的空间分布。大的断层可由地震资料解释予以确定。该项研究主要提供后续储层和油气藏模拟的大的边界信息。

2）沉积相分析：包括大相和微相分析两部分研究内容，并以后者为研究重点。大相分析以区域沉积背景知识为指南，结合地震相的分析，明确研究工区较大范围内的沉积体系及空间展布特征。最后确定出油气藏范围内储层所处的相带沉积部位，为微相研究奠定坚实的基础。

微相分析重点研究沉积成因单元的结构要素及其组合型式以及它们的空间展布规律，为储层随机建模提供必要的地质先验知识，主要依据沉积学的研究手段进行。

3）高分辨率层序地层分析：主要应用于油气藏规模的储层对比技术，依靠岩心和测井资料，进行开发阶段的储层表征中储层的精细对比。因为储层岩性、几何形态、连续性及岩石物理特征等是在沉积物堆积过程中产生的，精确的地层对比可以在四维空间中对这些特征有更清楚的认识，高分辨地层对比是识别非均质性的有效方法。另外，具时间意义的地层界面通常与流体流动单元的岩石物理面相一致，可通过精细地层对比，划分流动单元。随着时间分辨率的提高，对地层形态和规模、相的位置和岩石物理特征的预测也就更加精确。与沉积相的分析相结合，是目前油田覆盖区建立储层原型地质模型最有效的方法。

4）储层岩相分布的离散型随机模拟：这是储层随机建模的核心内容之一，一般作为储层随机建模的第一步，为储层参数空间分布的连续性模拟提供边界控制信息。序贯指示模拟（SISIM）和示性点过程模拟（MPPS）被认为是两种有效的研究方法。序贯指示模拟以指示理论为基础，将各种沉积微相带视为空间分布的离散性随机变量，进行地质统计学的条件模拟，其缺点是难以描述储层的形态特征。而示性点过程模拟是一种面向对象的方法，十分符合沉积学的思想和推理过程，将沉积学研究所认定的储层砂体几何形态、位置、大小、连通方式等储层参数作为服从一定分布的离散型随机变量，建立相应的随机模型进行随机模拟，其缺点是难以实现条件模拟。将两者有机地结合起来可能是一种好的途径。

5）测井和地震资料处理：这方面的技术已在现代油气藏描述中被大量采用。更重要的是补充建模时仅依靠井点信息的不足，使储层建模不仅在油气藏开发阶段发挥重大作用，而且在勘探的各个时期也能充分发挥作用，提供新的储层预测方法。

6）分形和地质统计学条件模拟：这是解决储层参数空间分布的关键性模拟方法。地质统计学模型可以很好地刻画储层参数分布的空间结构和变异性。而分形方法则能精确地表征储层的非均质性，并能克服由克里金方法所带来的光滑效应。两者的结合已被大量的研究实例证明是一种有效的储层预测途径。

7）网格粗化：储层建模阶段的细网格模拟可以尽可能精细地提示储层的非均质特征。但遗憾的是，在油藏动态模拟器中，由于受到目前计算能力的限制，难以接受这种细网格的参数输入。因此，必须进行网格的粗化，粗化的准则一般需要考虑到储层孔隙容积和储层的渗流能力（即孔隙度和渗透率），其中尤以储层对流体传导能力（渗透率）的近似最为关键。

8）油气藏数值模拟动态拟合与静态资料约束决策：这是对前述储层随机建模所产生的多幅等概率实现的图像进行优选决策的过程。研究的重点并不在于动态模拟，因此无需考虑复杂条件下的数值模拟问题。主要是对油气藏压力、产油气量和含水率三项参数进行历史拟合，并结合静态地质资料的各项条件约束（包括储层参数的统计规律和地质认识等），选取一个最符合动态和静态条件的随机图像作为所建立的储层地质模型。这一模型是以各种参数场的形式所表示的。

9）三维可视化：即将前面所建立的反映储层地质模型的各种参数场通过计算机进行三维成像或制图。目前，三维可视化的研究与设计已经成为计算机成像领域中的一项热门课题，它使所取得的成果大大地增强了油气藏的研究与管理的可操作性和直观性。

综上所述，储层建模实际上是对油田各类数据资料通过计算机技术进行有效的综合。因此，从地质角度上讲，要形成一套比较先进而有效的建模方法，更大程度上还是要依赖于先进的地质、地球物理和分析测试资料处理技术来获取可靠的输入参数。

8.1.3.4 储层随机建模的软件系统

在随机模型方法和理论发展的同时，模拟软件也得到了一定的发展，美国斯坦福大学、墨西哥矿业技术学院、荷兰皇家/壳牌公司、雪飞龙公司、GeoQuest公司等都开发和研制了自己的地质统计学和储层模拟软件。加拿大GeoStat系统公司和McGill大学联合推出了智能模拟或专家系统软件GeoStat，法国石油研究院和地质统计中心联合开发的HERESIM软件包也取得了较大的影响。这些软件的主要功能如下：

1）以转带法和指示克里格法相结合，用于储层的横向和垂向对比，其数学基础是Bessel函数和指示相关函数（美国墨西哥矿业技术学院开发TUBA软件）；

2）用于SGI图形工作站的地质模型软件，其特色是可以采取任意切片的方法来展现储层孔隙度、渗透率和砂体在连续断面或切片上的分布特征，其数理基础是随机模拟（美国Strata-Model公司研制SGM软件）；

3）以条件概率法为基础设计，主要用于模拟砂岩油藏中的三维储层的连通性和构形（荷兰皇家/壳牌集团公司推出MONARCH软件）；

4）以BP神经网络技术为主、依据地质统计学和地震特征进行随机建模的软件，其关键方法是分析并拟合储层物理特性和岩石属性的直方图和变差函数分布，求出它的特征值，以建立数学模型（荷兰Jason公司推出Stat Mod软件）；

5）将地质统计和智能模拟技术相结合，不仅包括各种数值运算、多元统计，还包含可引导、承担、评价和推断地质统计运行的知识和专家经验。因此，该软件具有两大特色：一是储层地质特性模拟及立体化定量显示；二是具有地质解释中的专家知识和经验（加拿大GeoStat系统公司和McGill大学联合推出GeoStat系统）。

上述软件都在各自的使用中发挥了很大的效益，也取得了不少有意义的成果。尽管每套软件各有侧重，但考察它们的共同之处，主要体现在三个方面：①强调储层描述的高度定量化，体现了油气储层研究已从定性发展到了定量的水平；②均从储层骨架分布和储层参数特征两个方面进行建模，把握了储层特征的关键要素；③体现了多学科、多信息的综合研究趋势。因此，从储层建模软件的发展，也显示出了储层随机建模在当前油气勘探开发研究中的重要意义和良好前景。

㈥ 简述常用的随机化方法

随机模拟：蒙特卡罗法蒙特卡罗(MonteCarlo)法也称为随机模拟方法.它的基本思想是,为了求解数学、物理、工程技术以及生产管理等方面的问题,首先建立一个概率模型或随机过程,使它的参数等于问题的解。蒙特卡洛(Monte Carlo)模拟是一种通过设定随机过程，反复生成时间序列，计算参数估计量和统计量，进而研究其分布特征的方法。具体的，当系统中各个单元的可靠性特征量已知，但系统的可靠性过于复杂，难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时，可用随机模拟法近似计算出系统可靠性的预计值；随着模拟次数的增多，其预计精度也逐渐增高。由于涉及到时间序列的反复生成，蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的，因此只是在近些年才得到广泛推广。

㈦ 随机模拟的简要方法

随机模拟也称蒙特卡罗法或统计试验法，这种计算方法以概率与统计理论为基础，由威勒蒙和冯纽曼在20世纪40年代为研制核武器而首先提出，在此之前，作为该方法的基本思想，实际上早就被统计学家发现和利用。
随机模拟是指在分析一个系统时，可先构造一个与该系统相似的模型，通过在模型上进行实验来研究原模型，这就是模拟。随机系统可以用概率模型来描述并进行实验，称为随机模拟方法。
中文名 随机模拟 外文名 stochastic simulation 别 名 蒙特卡罗法、统计试验法 提出时间 20世纪40年代 提出者 威勒蒙和冯纽曼 基 础 概率与统计理论
随机模拟方法是一种应用随机数来进行模拟实验的方法，也称为蒙特卡罗法。这种方法名称来源于世界著名的赌城——摩纳哥的蒙特卡罗，通过对研究问题或系统进行随机抽样，然后对样本值进行统计分析，进而得到所研究问题或系统的某些具体参数、统计量等。
客观世界的某些现象之间存在着某种相似性，因而可以从一种现象出发研究另一种现象。比如在分析一个系统时，可先构造一个与该系统相似的模型，通过在模型上进行实验来研究原模型，这就是模拟。随机系统可以用概率模型来描述并进行实验，称为随机模拟方法。
随机模拟也称蒙特卡罗法或统计试验法，这种计算方法以概率与统计理论为基础，由威勒蒙和冯纽曼在20世纪40年代为研制核武器而首先提出，在此之前，作为该方法的基本思想，实际上早就被统计学家发现和利用。
模拟是模仿随时间演进的现实世界系统运行的一种技术。模拟模型分为静态模拟模型和动态模拟模型。静态模拟模型表现处于某个时间点的系统；动态模拟模型表现随时间而演进的系统。模拟可以是确定性的或随机的。确定性模拟不包含随机变量，随机模拟包含一个或多个随机变量，可用离散型或连续型模型来表现模拟。离散模拟状态变量只在离散的时间变化的模拟，连续模拟指状态变量随时间连续变化。

㈧ 模拟创造法是什么

根据科学教育内容要求，指导学生运用已掌握的科学知识和技能，按照自己的意内愿和想象，独立或协作完成某种科容技作品（或设想），即模拟创造法。这种教学法的出发点和落脚点都应该是“创造”。在教学过程中，教师要坚持教育学生敢于想、善于想、勇于实践；要多欣赏，勤鼓励，耐心帮助学生。在任何情况下都没有理由伤害学生纯真的心灵和创造的热情。

如在教学《漫画仿生》一课时，教师让学生把某种生物的某种功能和本领与日常生活的需要联系起来，提出一些发明创造的设想，学生充分发挥自己的想象力、创造力，大胆发言，有的说“我想发明一种测温笔，笔芯在不同的温度下会改变颜色，根据颜色的变化，测知物体的温度。”有的说：“我想发明一种变色、调温服装，一年四季都能穿，很方便。”……

学生发言多种多样，甚至异想天开，显示出非常强烈的创造欲望。对于学生的回答，教师应及时给予肯定、表扬、引导。学生独特的想法得到尊重，得到表扬，能使他们享受到成功的乐趣，有利于促进学生创造性地发挥，创造意识得到有力强化，有一部分学生动手实现了自己的理想。

㈨ 魔兽争霸随机英雄的制作方法

这个必须用到触发器，不用触发器是做不出来的，而且需要一点变量知识。

先设单位类型数组变量为你要随机的英雄。

㈩ 常见的随机化方法包括

随机抽样：按照随机的原则，即保证总体中每个单位都有同等机会被抽中的原则抽取样本的方法。随机抽样又分为纯随机抽样、分层抽样、系统抽样、整群抽样、多阶段抽样等。
简单随机分组（simple randomization）：可将研究对象以个人为单位用掷硬币（正、反两面分别指定为实验组和对照组）、抽签、使用随机数字表，也可采用系统随机化法，即用现成的数据（如研究对象顺序号、身份证号、病历卡号、工号、学号等）交替随机分配到实验组和对照组中去。随机分组后，当样本量较大时，每组不完全相等，一般可进行实验研究，当样本量较小时，每组内个体数量相差较大，则需要再重新随机分组，直至达到预定的均衡要求。