具有多个部分不连续性的计算机模型的贝叶斯仿真
统计方法学
2022-10-20 v1 应用统计
机器学习
摘要
计算机模型被广泛应用于一系列科学学科中以描述各种复杂物理系统，然而为了进行完整的不确定性量化，我们常常需要采用仿真器。仿真器是一种快速的统计构造，用于模拟评估缓慢的计算机模型，并极大辅助重要科学分析通常所需的计算量极大的不确定性量化计算。我们研究了对具有多个、发生在已知非线性位置的部分不连续性的计算机模型进行仿真的问题。我们引入了 TENSE 框架，其基于精心设计的相关结构，这些结构尊重不连续性，同时能够充分利用其他位置的任何平滑性/连续性。这产生了一个单一的仿真器对象，可由所有运行同时更新，并可用于高效设计。该方法避免了将输入空间划分为多个子区域。我们将 TENSE 框架应用于 TNO Challenge II，对具有多个此类不连续性的 OLYMPUS 储层模型进行仿真。
引用
@article{arxiv.2210.10468,
title = {Bayesian Emulation for Computer Models with Multiple Partial Discontinuities},
author = {Ian Vernon and Jonathan Owen and Jonathan Carter},
journal= {arXiv preprint arXiv:2210.10468},
year = {2022}
}
备注
36 pages, 12 figures