面向变换后输入参数空间的增强型通用克里金法
统计方法学
2023-07-24 v2
摘要
随着计算模型日益昂贵和复杂，代理模型在许多科学学科中受到越来越多的关注，并且通常是开展敏感性研究、参数优化等所必需的。在不确定性量化（UQ）这一科学学科中，模型输入量通常由概率分布描述。为构建代理模型，在输入空间中生成填充空间的设计以确定训练点，然后在这些点上对计算模型进行求值。物理参数空间常被变换为独立同分布的均匀输入空间，以便合理地应用填充空间的训练流程。由于这种变换，代理建模技术在预测精度方面往往受到影响。因此，本文提出一种新方法，将输入参数变换应用于通用克里金法的基函数。为加速通用克里金法的超参数优化，开发了适用于高效基于梯度优化的相应表达式。研究了若干基准函数，并将所提方法与常规方法进行比较。
引用
@article{arxiv.2307.06906,
title = {Enhanced Universal Kriging for Transformed Input Parameter Spaces},
author = {Matthias Fischer and Carsten Proppe},
journal= {arXiv preprint arXiv:2307.06906},
year = {2023}
}