通过元建模改进实验设计中的代码行为
统计计算
2015-11-11 v1
摘要
在核工程中，将广泛的研究建立在数值计算机模型之上已是常见做法。这些研究需要运行计算机代码于可能成千上万的配置中，且对每个模拟的计算和物理方面没有专家单独控制。在本文中，我们比较不同的统计元建模技术，并展示元模型如何帮助改善这些广泛研究中代码的全局行为。我们考虑用 Kriging、核回归和神经网络对 Germinal 热机械代码进行元建模。Kriging 提供最精确的预测，而神经网络产生最快的元模型函数。所有三种元模型都能方便地检测严重的计算失败。然而，检测代码不稳定性（即所有计算均有效但彼此数值不一致的计算组）则更具挑战性。对于代码不稳定性检测，我们发现 Kriging 提供了最有用的工具。
引用
@article{arxiv.1511.03046,
title = {Improvement of code behaviour in a design of experiments by metamodeling},
author = {François Bachoc and Jean-Marc Martinez and Karim Ammar},
journal= {arXiv preprint arXiv:1511.03046},
year = {2015}
}