用于剪切应力熵评估的贝叶斯蒙特卡洛不确定性模型
机器学习
2020-01-15 v1 数值分析
数值分析
统计计算
机器学习
摘要
熵模型近来被许多研究采用以评估圆形渠道中剪切应力的分布。然而，其预测中的不确定性及其可靠性仍是一个开放问题。我们提出了一种新方法来评估四种流行熵模型（包括 Shannon、Shannon-Power Low（PL）、Tsallis 和 Renyi）在圆形渠道剪切应力估计中的不确定性。贝叶斯蒙特卡洛（BMC）不确定性方法在考虑 95% 置信界（CB）下得以简化。我们利用统计指标误差估计预测范围（FREE）和 CB 内观测数据百分比（Nin）开发了一种称为基于 FREEopt 的 OCB（FOCB）的新统计指标，其整合了二者的联合效应。Shannon 和 Shannon PL 熵的 FOCB 接近，分别为 8.781 和 9.808，在圆形渠道剪切应力值计算中确定性最高，其次为传统均匀流剪切应力和 Tsallis 模型，其接近值分别为 14.491 和 14.895。而 Renyi 熵的 FOCB 高得多，等于 57.726，其剪切应力估计的确定性低于其他模型。利用本研究呈现的结果，确定了熵方法在各类明渠设计与实施及其稳定性计算中的剪切应力置信程度。
引用
@article{arxiv.2001.04802,
title = {A Bayesian Monte-Carlo Uncertainty Model for Assessment of Shear Stress Entropy},
author = {Amin Kazemian-Kale-Kale and Azadeh Gholami and Mohammad Rezaie-Balf and Amir Mosavi and Ahmed A Sattar and Bahram Gharabaghi and Hossein Bonakdari},
journal= {arXiv preprint arXiv:2001.04802},
year = {2020}
}
备注
48 pages, 7 figures