面向不充分仿真模型的随机克里金

随机克里金是一种流行的元建模技术，用于表示仿真模型未知响应曲面。然而，仿真模型可能不充分，即其与感兴趣的真实系统之间可能存在不可忽略的偏差。若未能考虑模型偏差，可能导致对真实系统性能的预测错误并误导决策过程。本文提出一种扩展随机克里金以纳入模型偏差的元模型。仿真输出与真实数据均被用于刻画模型偏差。所提元模型可证明地增强对真实系统性能的预测。我们推导了实验设计与分析的一般结果，并展示了所提元模型相对于竞争方法的优势。最后，我们研究了公共随机数（CRN）的影响。众所周知，一般而言 CRN 的使用对随机克里金的预测精度有害。相比之下，我们表明在新背景下 CRN 的影响要复杂得多。根据观测误差大小与其他相关参数之间的相互作用，CRN 的使用可能有害也可能有益。