基于代理模型的具有统计保证的全局敏感性分析：通过floodgate方法
统计方法学
2022-08-12 v1 统计计算
摘要
计算模型被广泛应用于许多科学领域以模拟复杂系统。敏感性分析是帮助我们理解这些模型及其描述过程机制的重要实践，但为获得准确的敏感性估计而进行足够次数的模型评估通常代价高昂。为减轻计算负担，一种常见方案是使用以极低成本合理近似原模型的代理模型（surrogate model）。然而，作为基于代理模型的敏感性分析在计算收益上的交换，该方法因代理模型与原模型之间的差异而带来精度损失。为解决此问题，我们改造Zhang与Janson（2020）的floodgate方法，提供有效的基于代理模型的置信区间而非点估计，从而在高维模型中尤为显著的代理模型加速收益下，仍对原（非代理）模型的全局敏感性保持严格准确的界。我们的置信区间在几乎不对计算模型或代理模型施加条件的情形下渐近有效。此外，置信区间的精度（宽度）随代理模型精度提高而缩小，故当使用精确代理模型时，我们所报置信区间相应较窄，使其估计具有恰如其分的高置信度。我们通过小型Hymod水文模型的数值模拟展示方法性质，并将其应用于更复杂的CBM-Z气象模型及近期基于神经网络的代理模型。
引用
@article{arxiv.2208.05885,
title = {Surrogate-based global sensitivity analysis with statistical guarantees via floodgate},
author = {Massimo Aufiero and Lucas Janson},
journal= {arXiv preprint arXiv:2208.05885},
year = {2022}
}