无协方�的双保真度控制变量重要抽样方法用于稀有事件可靠性分析
统计方法学
2024-11-26 v2
摘要
多保真度建模正逐渐成为解决模型评估成本高昂的问题，这在复杂实际问题中使得对故障概率的估计成为计算上的重大挑战，尤其是当故障为稀有事件时。为了实现多保真度建模，需要能够有效地组合来自多个模型/来源信息的估计器。在过去的研究中，控制变量（CV）和重要抽样（IS）的方差缩减技术曾被用于此任务。本文提出了 CVIS 框架；一种为双保真度可靠性分析设计的创意性的耦合 CV 和 IS 估计器。该框架通过一种巧妙的调谐常数选择方式，解决了 CV 方法的一些实际挑战，从而无需估计原始估计器与控制变量之间的协方差。同时也考虑了选择高效 IS 分布的任务，旨在充分利用双保真度结构并保持表达能力。此外，还提供了一个诊断工具，可指示算法的效率以及所利用模型的相对预测质量。最后，通过解析和数值示例探讨了该框架的行为和性能。
引用
@article{arxiv.2405.03834,
title = {Covariance-free Bi-fidelity Control Variates Importance Sampling for Rare Event Reliability Analysis},
author = {Promit Chakroborty and Somayajulu L. N. Dhulipala and Michael D. Shields},
journal= {arXiv preprint arXiv:2405.03834},
year = {2024}
}
备注
36 pages, 7 figures