×

高斯过程替代建模中不确定性量化的偏差最小化。 (英语) Zbl 1291.65030号

摘要:不确定性量化分析通常使用代理模型作为模拟物理现象的计算机代码的计算高效近似。代理模型构建的准确性和经济性取决于从计算昂贵的系统模型中收集的数据的质量和数量。因此,需要计算效率高的方法来进行准确的代理模型训练。本文基于逼近误差的层次分解,提出了一种新的代理模型构造方法。该算法采用分层网格上的稀疏高斯过程来实现底层函数的稀疏非线性逼近。与现有的基于最小化预测方差的方法相比,该方法侧重于模型偏差,旨在提高模型所代表的重建质量。通过几个数值例子,将该算法的性能与现有方法进行了比较。在所考虑的示例中,所提出的方法表明,在相同样本大小的情况下,重建质量显著提高。

MSC公司:

65C60个 统计中的计算问题(MSC2010)
62年5月 线性回归;混合模型
60G15年 高斯过程
PDF格式BibTeX公司 XML格式引用
全文: 内政部