用于不确定性量化的双保真度约化多项式混沌展开
数值分析
2021-04-16 v1 数值分析
统计计算
摘要
在复杂工程问题的设计空间探索或不确定性量化中，一个普遍存在的挑战是计算成本的最小化。缓解求解此类系统负担的一个有用工具是模型降阶。本工作在多项式混沌（PC）展开的背景下考虑一种随机模型降阶方法（SMR），其中利用低保真度（LF）样本来形成随机约化基。该约化基使得能够从少量高保真度（HF）样本构造出感兴趣量的双保真度（BF）估计。一个成功的BF估计以接近LF模型的计算代价，逼近具有与HF模型相当精度的感兴趣量。我们为SMR方法开发了新的误差界，并给出一种实际利用这些误差界以评估给定LF与HF模型对是否适用于BF估计的流程。SMR方法的有效性及误差界的实用性在三个数值示例中予以展示。
引用
@article{arxiv.2104.07462,
title = {Bi-fidelity Reduced Polynomial Chaos Expansion for Uncertainty Quantification},
author = {Felix Newberry and Jerrad Hampton and Kenneth Jansen and Alireza Doostan},
journal= {arXiv preprint arXiv:2104.07462},
year = {2021}
}
备注
22 pages, 21 figures