×
吕树瑞;于军;王燕;杜江

具有大量物理观测的计算机模型的快速校准。 （英语） Zbl 07772685号

SIAM/ASA J.不确定性。数量。 11, 1069-1104 (2023)。
计算机模型校准是建立可靠计算机模型的关键步骤。面对大量的物理观测，迫切需要快速估计校准参数。为了减轻计算负担，我们设计了一种两步算法来利用子采样技术估计校准参数。与当前最先进的校准方法相比，该算法在不牺牲太多精度的情况下大大降低了复杂度。我们证明了该估计的相合性和渐近正态性。文中还介绍了所提出估计的方差形式，这为量化校准参数的不确定性提供了一种自然的方法。两个数值模拟和两个实际研究的结果表明了该方法的优点。

MSC公司：

62G08号 非参数回归和分位数回归
62立方米 空间过程推断
62M40型 随机字段；图像分析

关键词：

海量数据;加权最小二乘校准;最优子采样;泊松抽样

软件：

BB公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Lv}等人，SIAM/ASA J.不确定性。数量。1104年11月1069日（2023年；兹bl 07772685）
全文： 内政部 arXiv公司

参考文献：

[1] Ai，M.，Wang，F.，Yu，J.和Zhang，H.，大规模分位数回归的最优子抽样，J.复杂性，62（2021），101512·Zbl 1460.62049号
[2] Ai，M.，Yu，J.，Zhang，H.和Wang，H.，大数据回归的最优子抽样算法，统计学。Sinica，31（2021），第749-772页·Zbl 1469.62422号
[3] Bottou，L.，《随机梯度下降的大尺度机器学习》，《2010年COMPSTAT会议录》，施普林格，纽约，2010年，第177-186页·Zbl 1436.68293号
[4] Breidt，F.J.和Opsomer，J.D.，《调查抽样中的局部多项式回归估计量》，《统计年鉴》。，28（2000），第1026-1053页·Zbl 1105.62302号
[5] Cai，G.和Mahadevan，S.，《大数据模型校准》，《模型验证和不确定性量化》，第3卷，纽约施普林格，2017年，第315-322页。
[6] Chang，K.-L.和Guillas，S.，《大非平稳空间输出的计算机模型校准：气候模型校准的应用》，J.R.Stat.Soc.Ser。C.申请。《统计》，68（2019），第51-78页。
[7] Ezzat，A.A.、Pourhabib，A.和Ding，Y.，计算机模型功能校准的顺序设计，技术计量学，60（2018），第286-296页。
[8] Ferguson，T.S.，《大样本理论课程》，Routledge，英国泰晤士河畔阿宾顿，2017年。
[9] Haaland，B.、Wang，W.和Maheshwari，V.，确定性计算机实验高斯过程仿真中不准确源控制框架，SIAM/ASA J.不确定性。数量。，6（2018年），第497-521页·Zbl 1403.62143号
[10] Hartmann，A.、Gleeson，T.、Rosolem，R.、Pianosi，F.、Wada，Y.和Wagener，T.，评估欧洲和地中海岩溶地下水补给的大规模模拟模型，Geosci。《模型开发》，8（2015），第1729-1746页。
[11] Hou，T.、Mahmassani，H.S.、Alfelor，R.M.、Kim，J.和Saberi，M.，不利天气下交通流模型的校准和在介观网络模拟中的应用，交通运输。Res.Rec.，2391（2013），第92-104页。
[12] Johnson，M.E.、Moore，L.M.和Ylvisaker，D.，Minimax和maximin距离设计，J.Statist。计划。引用，26（1990），第131-148页。
[13] Kennedy，M.C.和O'Hagan，A.，《计算机模型的贝叶斯校准》，J.R.Stat.Soc.Ser。B.统计方法。，63（2001年），第425-464页·Zbl 1007.62021号
[14] Krishna，A.、Joseph，V.R.、Ba，S.、Brenneman，W.A.和Myers，W.R.，《模型校准的稳健实验设计》，J.Qual。技术。，54（2022年），第441-452页。
[15] Loeppky，J.L.和Welch，S.W.J.，《选择计算机实验的样本大小：实用指南》，《技术计量学》，51（2009），第366-376页。
[16] Ma，P.，Mahoney，M.和Yu，B.，《算法杠杆的统计观点》，《机器学习国际会议论文集》，2014年，第91-99页·Zbl 1337.62164号
[17] Mahoney，P.Ma，M.W.和Yu，B.，《算法杠杆的统计观点》，J.Mach。学习。第16号决议（2015年），第861-911页·Zbl 1337.62164号
[18] Plumlee，M.，《不精确计算机模型的贝叶斯校准》，J.Amer。统计师。协会，112（2017），第1274-1285页。
[19] Pukelsheim，F.，实验的优化设计，SIAM，费城，2006年·Zbl 1101.62063号
[20] Santner，T.J.、Williams，B.J.和Notz，W.I.，《计算机实验的设计与分析》，第2卷，施普林格，纽约，2018年·Zbl 1405.62110号
[21] Schilling，R.L.，《度量、积分和鞅》，剑桥大学出版社，剑桥，2017年·Zbl 1360.28001号
[22] 蔡伟平、冯德、潘美、贝克、H.、劳森、K.、杨英、刘杰和沈C.，《从校准到参数学习：利用地球科学建模中大数据的尺度效应》，国家通讯社。，12（2021年），第1-13页。
[23] Tuo，R.，通过预测核校准调整计算机模型，SIAM/ASA J.不确定性。数量。，7（2019年），第553-578页·Zbl 1430.62261号
[24] Tuo，R.，Wang，Y.和Jeff Wu，C.F.，关于Matérn型核脊回归的改进收敛率及其在计算机模型校准中的应用，SIAM/ASA J.不确定。数量。，8（2020年），第1522-1547页·Zbl 1459.62143号
[25] 屠R.和吴春凤J.，《不完全计算机模型的有效校准》，《统计年鉴》。，43（2015），第2331-2352页·Zbl 1326.62228号
[26] Van der Vaart，A.W.，《渐近统计》，第3卷，剑桥大学出版社，剑桥，2000年·Zbl 0910.62001号
[27] Varadhan，R.和Gilbert，P.，BB:求解大型非线性方程组和优化高维非线性目标函数的R包，J.Stat.Softw。，32（2010年），第1-26页。
[28] Wang，H.和Ma，Y.，《大数据分位数回归的最优子抽样》，《生物统计学》，108（2021），第99-112页·Zbl 1462.62248号
[29] Wang，H.，Yang，M.和Stufken，J.，大数据线性回归的基于信息的最优子数据选择，J.Amer。统计师。协会，114（2019），第393-405页·Zbl 1478.62196号
[30] Wang，H.，Zhu，R.，and Ma，P.，大样本logistic回归的最优子抽样，J.Amer。统计师。协会，113（2018），第829-844页·Zbl 1398.62196号
[31] Wong，R.K.、Storlie，C.B.和Lee，T.C.，《计算机模型校准的频率学家方法》，J.R.Stat.Soc.Ser。B.统计方法。，79（2017），第635-648页·Zbl 1414.62079号
[32] Xie，F.和Xu，Y.，计算机模型的贝叶斯投影校准，J.Amer。统计师。协会，116（2021），第1965-1982页·Zbl 1506.62271号
[33] Xiong，S.、Qian，P.Z.和Wu，C.J.，高精度和低精度计算机代码的顺序设计和分析，《技术计量学》，55（2013），第37-46页。
[34] Yao，Y.和Wang，H.，softmax回归的最优子抽样，统计学。论文，60（2019），第585-599页·Zbl 1421.62013年
[35] Yu，J.、Wang，H.、Ai，M.和Zhang，H.，具有大量数据的最大拟似然估计量的最优分布子抽样，J.Amer。统计师。协会，117（2022），第265-276页·Zbl 1506.62235号
[36] Zhu，R.，《基于梯度的抽样：最小二乘法的自适应重要性抽样》，《高级神经信息处理》。系统。，29 (2016).
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。