سنجش کمّی عدم قطعیت در سامانه‌های زیرسطحی ۲۰۱۸
Quantifying Uncertainty in Subsurface Systems 2018

در اعماق زمین، مجموعه‌ای غنی از منابع زمین‌شناسی نهفته است که بسیاری از آن‌ها دارای پتانسیل استفاده برای بشر هستند. با این حال، استخراج و بهره‌برداری از این منابع با عدم قطعیت‌های عظیم، هزینه‌های گزاف و خطرات قابل توجهی همراه است. ارزیابی منابع زیرزمینی مستلزم بررسی عوامل نامتجانس برای ایجاد یک مدل تصمیم‌گیری است که کارآمد و پایدار باشد. این جلد، نمونه‌های واقعی مرتبط با میادین نفتی، سیستم‌های زمین‌گرمایی، مکان‌های آلوده و تغذیه آبخوان‌ها را ارائه می‌دهد.

نکات برجسته این جلد عبارتند از:

* پرداختی چندرشته‌ای به سنجش و تعیین میزان عدم قطعیت
* مطالعات موردی با داده‌های واقعی که برای توسعه‌دهندگان متدولوژی جذاب خواهد بود
* یک چارچوب یادگیری مبتنی بر شواهد بیزی که محاسبات و زمان مدل‌سازی را کاهش می‌دهد

*سنجش عدم قطعیت در سیستم‌های زیرسطحی* یک جلد چندرشته‌ای است که پنج حوزه اصلی را گرد هم می‌آورد: علم اطلاعات، علم تصمیم‌گیری، علوم زمین، علم داده و علوم کامپیوتر. این کتاب برای دانشجویان و متخصصان جذاب خواهد بود و منبع ارزشمندی برای متخصصان علوم زمین، مهندسان و ریاضیدانان کاربردی خواهد بود.

مقاله سردبیران را بخوانید: eos.org/editors-vox/quantifying-uncertainty-about-earths-resources

Under the Earth’s surface is a rich array of geological resources, many with potential use to humankind. However, extracting and harnessing them comes with enormous uncertainties, high costs, and considerable risks. The valuation of subsurface resources involves assessing discordant factors to produce a decision model that is functional and sustainable. This volume provides real-world examples relating to oilfields, geothermal systems, contaminated sites, and aquifer recharge.

Volume highlights include:

• A multi-disciplinary treatment of uncertainty quantification
• Case studies with actual data that will appeal to methodology developers
• A Bayesian evidential learning framework that reduces computation and modeling time

Quantifying Uncertainty in Subsurface Systems is a multidisciplinary volume that brings together five major fields: information science, decision science, geosciences, data science and computer science. It will appeal to both students and practitioners, and be a valuable resource for geoscientists, engineers and applied mathematicians.

Read the Editors’ Vox: eos.org/editors-vox/quantifying-uncertainty-about-earths-resources