具有函数输出的计算机实验的筛选与元建模：应用于热工水力计算
统计理论
2013-05-28 v2 统计理论
摘要
为了对由CPU时间昂贵的计算机代码计算的标量变量进行不确定性、敏感性或优化分析，一种广泛接受的方法包括：首先通过筛选技术识别最具影响力的不确定性输入，然后用一个CPU廉价的数学函数（称为元模型）替代CPU昂贵的模型。本文将这一方法扩展到函数输出情形，例如当模型输出变量为曲线时。筛选方法基于输出曲线的方差分析和主成分分析。函数元建模包括曲线分类、降维和经典元建模三个步骤。一个工业核反应堆应用（涉及压水热冲击分析中的不确定性）说明了所有这些步骤。
引用
@article{arxiv.1010.2334,
title = {Screening and metamodeling of computer experiments with functional outputs. Application to thermal-hydraulic computations},
author = {Benjamin Auder and Agnes De Crecy and Bertrand Iooss and Michel Marques},
journal= {arXiv preprint arXiv:1010.2334},
year = {2013}
}