• Nie Znaleziono Wyników

Na podstawie symulacji modelu metodą Monte Carlo uzyskano rozkłady prawdopodobieństwa cen uranu w kolejnych latach aż do 2050 roku

N/A
N/A
Protected

Academic year: 2021

Share "Na podstawie symulacji modelu metodą Monte Carlo uzyskano rozkłady prawdopodobieństwa cen uranu w kolejnych latach aż do 2050 roku"

Copied!
1
0
0

Pełen tekst

(1)

Prognozowanie ceny uranu na Podstawie kosztów eksploatacji złóż rudy uranowej

S ł ow a k l u c z owe

ceny uranu, popyt, podaż, złoża uranu, prognoza, metoda Monte Carlo S t r e s z c z e n i e

W artykule przedstawiono koncepcję prognozowania cen uranu bazującą na kosztach eksploatacji rudy uranowej. Zbudowano model szacowania kosztów wydobycia surowca w czasie w zależności od wielkości podaży będącej odpowiedzią na popyt zgłaszany przez elektrownie jądrowe. Koszty te, przy sztywnym popycie na uran, determinują cenę tego surowca. Pozwala to szacować przyszłe ceny uranu na podstawie wiedzy o bazie zasobowej surowca oraz relacjach warunkujących zmianę para- metrów opisujących zasoby. Szacunki takie obarczone są dużą niepewnością, dlatego w badaniach wykorzystano podejście stochastyczne, konstruując rozkłady prawdopodobieństwa wartości niepew- nych parametrów. Na podstawie analizy literatury zidentyfikowano zmienne, których wartości są ze sobą skorelowane. W modelu zaimplementowano zidentyfikowane korelacje pomiędzy zmiennymi.

Przyjęto szereg założeń dotyczących danych wejściowych, ograniczeń modelu i relacji między zmien- nymi. Na podstawie symulacji modelu metodą Monte Carlo uzyskano rozkłady prawdopodobieństwa cen uranu w kolejnych latach aż do 2050 roku. Według uzyskanej prognozy ceny uranu do 2030 roku będą utrzymywały się na stałym poziomie wynoszącym około 90 USD/kg uranu. W kolejnych latach nastąpi wzrost cen, który z czasem będzie przybierał na sile. W 2050 roku oczekiwana wartość ceny uranu wyniesie około 130 USD/kg uranu.

Cytaty

Powiązane dokumenty

Poirytowaniu szybko ust¡piªa chªodna kalkulacja, bowiem mªodzieniec ten byª studentem matematyki (na PWr.), tote» obliczyª, jakie jest prawdopodobie«stwo, »e pewna ustalona

Jeżeli G(x) jest funkcją nieujemną, wówczas minimalna wariancja estymatora ważonego jest równa 0. Należałoby jednak w takim przypadku znać wartość całki w

Wariancję etsymatora całki można zmniejszyć odpowiednio dobierając fgp. Należałoby jednak w takim przypadku znać wartość całki w mianowniku. Minimalizacja wariancji w

Wykład będzie się składał z następujących części: generatory liczb losowych, generowanie liczb i wektorów o zadanych rozkładach, planowanie i metody opra- cowania

Pier- wszy termin będzie więc dotyczył teorii generatorów oraz metod generowania liczb losowych o zadanych rozkładach lub bardziej właściwie liczb pseudo- losowych, bo tylko

funkcja p-wartości i jej wykorzystanie do testowania generatorów, rodzaje testów wykorzystywanych przy testowaniu generatorów, co to są testy oparte na schematach urnowych..

generatory liczb pseudolosowych, generowanie zmiennych i wektorów losowych o zadanych rozkładach, planowanie i metody opracowania symulacji, algorytmy do symulacji pewnych klas

Rozkład Bernoulliego, 95 rozkład chi kwadrat, 97 rozkład dwumianowy, 95 Rozkład Erlanga, 97 rozkład Frécheta, 98 rozkład gamma, 97 rozkład geometryczy, 96 rozkład Gumbela,