埃里克·J·帕里什。;Karthik Duraisamy公司 使用场反演和机器学习的数据驱动预测建模范式。 (英语) Zbl 1349.76006号 J.计算。物理学。 305, 758-774 (2016)。 摘要:我们提出了一种称为场反演和机器学习(FIML)的建模范式,旨在综合利用高保真模拟和实验等来源的数据,以帮助创建用于计算物理应用的改进闭合模型。与推断模型参数相反,本工作使用反向建模来获得纠正的、空间分布的功能项,从而提供了直接解决模型形式错误的途径。一旦对一些代表闭合模型中缺陷物理的问题进行了推理,就可以使用机器学习技术根据闭合模型中出现的变量重建模型修正。然后,这些重构的函数形式用于在预测计算环境中增强闭合模型。作为第一个示例,考虑了一个标量常微分方程,其中模型方程有缺失项和缺项。在此基础上,将该方法推广到紊流槽道流动的预测。在这两种应用中,该方法都被证明能够成功地重建函数校正并产生准确的预测解,同时提供模型形式不确定性的度量。 引用于74文件 MSC公司: 76-04 流体力学相关问题的软件、源代码等 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:数据驱动模型;机器学习;闭合建模 软件:PyMC公司 PDF格式BibTeX公司 XML格式引用 \textit{E.J.Parish}和\textit{K.Duraisamy},J.Comput。物理学。305758--774(2016;Zbl 1349.76006) 全文: 内政部 参考文献: [1] Navon,I.M.,《数值天气预报的数据同化:综述》,(大气、海洋和水文应用的数据同质化(2009),斯普林格出版社) [2] 克申,G。;沃登,K。;瓦卡基斯,A。;Golinval,J.,《结构动力学中系统识别的过去、现在和未来》,机械。系统。信号处理。,20, 505-592 (2006) [3] N.R.理事会,《评估复杂模型的可靠性:验证、验证和不确定性量化的数学和统计基础》(2012年),国家学术出版社 [4] 肯尼迪医学博士。;O'Hagan,A.,《计算机模型的贝叶斯校准》,J.R.Stat.Soc.,Ser。B、 统计方法。,63425-464(2001年)·Zbl 1007.62021号 [5] M.C.肯尼迪。;安德森,C.W。;康蒂,S。;O'Hagan,A.,计算机代码高斯过程建模案例研究,Reliab。工程系统。安全。,91, 10, 1301-1309 (2006) [6] 康蒂,S。;Gosling,J.P。;奥克利,J.E。;O'hagan,A.,动态计算机代码的高斯过程仿真,Biometrika,96,3,663-676(2009)·Zbl 1437.62015年 [7] Brynjarsdóttir,J。;O'Hagan,A.,《学习物理参数:模型差异的重要性》,逆问题。,30, 11, 114007 (2014) ·Zbl 1307.60042号 [8] 阿伦特,P.D。;阿普利,D.W。;Chen,W.,《模型不确定性的量化:校准、模型差异和可识别性》,J.Mech。设计。,134, 10, 100908 (2012) [9] Smith,R.C.,《不确定性量化:理论、实现和应用》,计算科学与工程,第12卷(2013年),SIAM [10] Cheung,S.H。;奥利弗,T.A。;Prudencio,E.E。;Prudhomme,S。;Moser,R.D.,贝叶斯不确定性分析及其在湍流建模中的应用,Reliab。工程系统。安全。,96, 9, 1137-1149 (2011) [12] Beck,J.L。;Katafygiotis,L.S.,更新模型及其不确定性。I: 贝叶斯统计框架,J.Eng.Mech。,124, 4, 455-461 (1998) [13] Berliner,L.M。;Jezek,K。;北卡罗来纳州克雷西。;Kim,Y。;Lam,C。;Veen,C.V.D.,《冰流动态控制建模:贝叶斯统计方法》,J.Glaciol。,54, 705-714 (2008) [14] Sargsyan,K。;纳吉姆,H。;Ghanem,R.,《关于物理模型的统计校准》,国际化学杂志。Kinet公司。,47、4、246-276(2015年4月) [15] Loeppky,J.L。;宾厄姆·D·。;Welch,W.J.,《计算机模型校准或实际调谐》(2006),英国大学:不列颠哥伦比亚大学,技术报告 [16] Soize,C.,《计算结构动力学中不确定性的随机建模——最新理论进展》,J.Sound Vib。,332, 10, 2379-2395 (2013) [17] Mehta,M.L.,《随机矩阵,纯数学和应用数学》,第142卷(2004年),学术出版社·Zbl 1107.15019号 [18] Aster,R.,《参数估计和反问题》(2005),爱思唯尔学术出版社·Zbl 1088.35081号 [19] 贾尔斯,M.B。;杜塔,M.C。;穆勒,J.-D。;Pierce,N.A.,离散伴随方法的算法开发,AIAA J.,41,2,198-205(2003) [20] 丹尼斯·J·E。;Moré,J.J.,《准纽顿方法、动机和理论》,SIAM Rev.,19,1,46-89(1977)·Zbl 0356.65041号 [22] 特蕾西,B.D。;Duraisamy,K。;Alonso,J.J.,《协助湍流模型开发的机器学习策略》(第53届AIAA航空航天科学会议(2015年),美国航空航天研究所) [25] Wilcox,D.C.,《CFD湍流建模》,第2卷(1998年),DCW Industries:DCW Indestries La Canada,CA [26] Jimenez,J。;Hoyas,S.,《壁面流缓冲层上方的湍流波动》,《流体力学杂志》。,611, 215-236 (2008) ·Zbl 1151.76512号 [28] Patil,A。;Huard博士。;Fonnesbeck,C.,PyMC:Python中的贝叶斯随机建模,J.Stat.Softw。,35,第4条pp.(2010年) 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。