主成分分析与稀疏多项式混沌展开用于全局灵敏度分析及模型校准：在城市排水模拟中的应用
统计计算
2019-11-14 v2
摘要
本文提出了一种高效的代理建模策略，用于水文模型的不确定性量化和贝叶斯校准。具体而言，研究考虑了一个基于过程的动态城市排水模拟器，该模拟器可预测降水事件期间集水区的径流量。案例研究的目标是执行全局灵敏度分析，并识别未知模型参数以及测量和预测误差。只有通过降低计算成本，即减少必要的模型运行次数，才能实现这些目标。为此，本文提出了一种利用正则性的元建模技术，以实现快速的不确定性量化。采用主成分分析进行输出降维，并使用稀疏多项式混沌展开对降维后的输出进行模拟。Sobol' 灵敏度指数可直接通过对展开系数进行简单的后处理获得。通过马尔可夫链蒙特卡洛后验采样进行的贝叶斯推断得到了大幅加速。
引用
@article{arxiv.1709.03283,
title = {Principal component analysis and sparse polynomial chaos expansions for global sensitivity analysis and model calibration: application to urban drainage simulation},
author = {Joseph B. Nagel and Jörg Rieckermann and Bruno Sudret},
journal= {arXiv preprint arXiv:1709.03283},
year = {2019}
}