计算昂贵模拟器的基于代理模型的不确定性量化方法比较
统计理论
2017-01-16 v4 统计理论
摘要
多项式混沌与高斯过程模拟是基于代理模型的不确定性量化方法，在过去25年中在各自社区独立发展。尽管解决该领域相似问题，但据我们所知文献中尚缺乏对两种方法的严格比较。我们首先详细描述多项式混沌与高斯过程方法，用于构建黑盒函数的代理模型。然后在两个工业模拟器上测试并比较每种代理方法的准确性：陆面模型（adJULES）与运载火箭控制器（VEGACONTROL）。我们分析基于不同大小与类型的实验设计构建的代理模型，以调查其在一系列建模场景中的性能。具体地，多项式混沌与高斯过程代理构建于Sobol序列与张量网格设计上。其准确性通过基于独立验证设计估计模拟器输出的均值、标准差、超越概率与概率密度函数的能力，以及均方根误差度量来衡量。我们发现一种方法并未一致优于另一种，但在某些情况下可获得优势，因此优选方法取决于使用者的建模目标。我们的结论可能在一定程度上依赖于代理的建模选择以及设计策略。我们希望本工作能引发未来对两种方法的更高级表述及不同采样策略的比较。
引用
@article{arxiv.1511.00926,
title = {Comparison of surrogate-based uncertainty quantification methods for computationally expensive simulators},
author = {N. E. Owen and P. Challenor and P. P. Menon and S. Bennani},
journal= {arXiv preprint arXiv:1511.00926},
year = {2017}
}