用于不确定性量化的采样点自适应选择
计算物理
2017-05-08 v2
摘要
我们提出了一种简单且稳健的不确定性量化中采样点选择策略。其目标是在所关注的随机输出的累积分布函数中实现尽可能快的收敛。我们假设所关注的输出是一个输入随机变量的计算代价高昂的非线性映射的结果，且该输入随机变量的概率密度函数已知。我们使用径向基函数来构建该映射的精确插值。该策略能够自适应地逐个添加新的采样点。这充分考虑了目标非线性函数的先前评估结果。我们展示了其与基于 Clenshaw-Curtis 求积规则的随机配置方法以及基于分层余量的自适应方法的比较，结果表明新方法通常能带来大量的计算节省。
引用
@article{arxiv.1612.07827,
title = {Adaptive selection of sampling points for Uncertainty Quantification},
author = {Enrico Camporeale and Ashutosh Agnihotri and Casper Rutjes},
journal= {arXiv preprint arXiv:1612.07827},
year = {2017}
}
备注
22 pages, 15 figures; to appear in Int. J. Uncertainty Quantification