面向混合计算机模型与现场数据实验的仿真活动增强
统计方法学
2024-10-01 v2
摘要
Kennedy 与 O'Hagan (KOH) 校准框架使用耦合高斯过程 (GPs) 来元建模一个昂贵的模拟器（第一个 GP），调整其“旋钮”（校准输入）以最佳匹配来自真实物理/现场实验的观测值，并在新现场条件（设计输入）下预测时纠正任何建模偏差（第二个 GP）。对于孤立的、即无现场数据的仿真活动的数据高效规划，已有成熟的放置设计输入的方法：空间填充，或通过如最小积分均方预测误差 (IMSPE) 之类的准则。耦合 GP KOH 框架内的类似方法在文献中基本缺失。本文推导了用于顺序获取 KOH 新模拟器数据的闭式 IMSPE 准则。我们说明了获取如何在设计空间中空间填充，但在校准空间中集中。闭式 IMSPE 催生了用于高效数值优化的闭式梯度。我们证明了我们的 KOH-IMSPE 策略在基准问题上带来了更高效的仿真活动，并以一个液-液萃取反应中稀土元素平衡浓度的应用展示作为结尾。
引用
@article{arxiv.2301.10228,
title = {Augmenting a simulation campaign for hybrid computer model and field data experiments},
author = {Scott Koermer and Justin Loda and Aaron Noble and Robert B. Gramacy},
journal= {arXiv preprint arXiv:2301.10228},
year = {2024}
}
备注
39 Pages with supplementary material, 10 figures, submitted to Technometrics