面向天然气行业不确定性量化协议的开发
机器学习
2023-08-08 v1 数据分析、统计与概率
流体动力学
摘要
使用机器学习（ML）模型与机理模型的仿真常被用于支撑决策过程。仿真结果的不确定性估计对决策过程至关重要，因为特定情景的仿真结果可能具有宽泛却未明确的置信界，从而影响后续分析与决策。本工作的目标是开发一种协议，以评估机器学习与机理仿真模型预测中的不确定性。该协议将概述不确定性量化工作流，可用于建立计算关注量的可信预测界限并评估模型充分性。协议识别了机器学习与机理建模中不确定性的关键来源，定义了适用于这些来源的 uncertainty 传播方法，并包含对输出不确定性的统计合理估计量。本工作将该协议应用于与天然气分销行业相关的测试案例，并呈现应用所得经验。文章最后简要讨论概述了行业内更广泛采用不确定性量化的路径。
引用
@article{arxiv.2308.02941,
title = {Towards the Development of an Uncertainty Quantification Protocol for the Natural Gas Industry},
author = {Babajide Kolade},
journal= {arXiv preprint arXiv:2308.02941},
year = {2023}
}