×
乔治·卡拉吉安尼;林广

通过实验数据对计算机模型混合物进行贝叶斯校准，并设计预测模型。 （英语） Zbl 1376.86005号

J.计算。物理学。 342, 139-160 (2017).
摘要：对于许多实际系统，可能存在几种具有不同物理和预测能力的计算机模型。为了实现更准确的模拟/预测，需要正确组合和校准这些模型。我们提出了计算机模型混合方法的贝叶斯校准，该方法基于将实际系统输出表示为可用计算机模型输出与未知输入相关权重函数的混合。该方法通过在贝叶斯框架中组合、加权和校准可用模型，构建了一个完全贝叶斯预测模型，作为实际系统输出的仿真器。此外，它适用于领域科学家可用作组合可用计算机模型的手段的已校准计算机模型的混合物，以灵活原则的方式，并进行可靠的仿真。它可以解决实际情况，其中一个模型在不同输入值下可能比其他模型更准确，因为表示每个模型贡献的混合权重是输入的函数。对校准参数的推断可以考虑与不同物理相关的多个计算机模型。该方法不需要了解模型的保真度顺序。我们提供了一种技术，能够减少由于考虑了多个计算机模型而产生的计算开销，该模型适用于混合模型框架。我们在涉及天气研究和大规模气候模型预测的实际应用中实现了该方法。

引用于1文件

MSC公司：

86A10美元 气象学和大气物理学
2015年1月62日 贝叶斯推断
65二氧化碳 蒙特卡罗方法

关键词：

不确定性量化;计算机实验;高斯过程;多项式基;模型;马尔科夫蒙特卡洛

软件：

凸轮轴3;全球供应链
PDF格式BibTeX公司 XML格式引用
\textit{G.Karagiannis}和\textit{G.Lin}，J.Compute。物理学。342139-160（2017年；Zbl 1376.86005）
全文： DOI程序 链接

参考文献：

[1] M.C.肯尼迪。；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, 425-464 (2001) ·Zbl 1007.62021号
[2] Higdon博士。；M.肯尼迪。；卡文迪什，J.C。；Cafeo，J.A。；Ryne，R.D.，结合现场数据和计算机模拟进行校准和预测，SIAM J.Sci。计算。，26, 448-466 (2004) ·2018年6月10日
[3] 奥哈根，A。；Kingman，J.，预测曲线拟合和优化设计，J.R.Stat.Soc.，Ser。B、 卫理公会。，1-42 (1978) ·Zbl 0374.62070号
[4] 拉斯穆森，C.E。；Williams，C.K.I.，《机器学习的高斯过程（自适应计算和机器学习）》（2005），麻省理工学院出版社
[5] 科诺米，学士。；Karagiannis，G。；赖，K。；Lin，G.，《贝叶斯树校准：AX吸附剂碳捕集应用》，美国统计协会（2016）
[6] Storlie，C.B。；西澳大利亚州莱恩。；Ryan，E.M。；Gattiker，J.R。；Higdon，D.M.，《利用贝叶斯平滑样条方差对分类参数和相关输出的计算模型进行校准》，美国统计协会期刊（2014）
[7] Wong，R.K。；Storlie，C.B。；Lee，T.，《计算机模型校准的频率学家方法》（2014），arXiv预印本
[8] 希格顿，D。；加提克，J。；威廉姆斯，B。；Rightley，M.，《使用高维输出进行计算机模型校准》，美国统计协会，103（2008）·Zbl 1469.62414号
[9] Bhat，K.S。；Mebane，D.S。；Storlie，C.B。；Mahapatra，P.，《多尺度碳捕获系统动态差异的不确定性升级》（2014），arXiv预印本
[10] 希格顿，D。；加提克，J。；劳伦斯，E。；Jackson，C。；托比斯，M。；普拉托拉，M。；哈比卜，S。；海特曼，K。；Price，S.，《使用集合卡尔曼滤波器进行计算机模型校准》，Technometrics，55，488-500（2013）
[11] Goh，J。；宾厄姆·D·。；霍洛韦，J.P。；格罗斯科普夫，M.J。；C.C.Kuranz。；Rutter，E.，《使用多面性模拟器的输出进行预测和计算机模型校准》，《技术计量学》，55，501-512（2013）
[12] 西卡罗来纳州斯卡莫罗克。；Klemp，J.B。；杜迪亚，J。；吉尔，D.O。；Barker，M。；杜达，K.G。；黄X.Y。；Wang，W。；Powers，J.G.，《WRF第3版高级研究说明》（2008年），国家大气研究中心，技术报告
[13] 平卡斯，R。；Barker，H.W。；Morcrette，J.-J.，计算非均匀云场辐射传输的快速、灵活、近似技术，J.Geophys。《大气研究》1984-2012，108（2003）
[15] 哈克，J。；Ha，S.-Y。；斯奈德，C。；伯纳，J。；埃克尔，F。；库切拉，E。；Pocernich，M。；Rugg，S。；施拉姆，J。；Wang，X.，美国空军气象局的中尺度集合：科学描述和性能结果，Tellus A，63，625-641（2011）
[16] Kain，J.S.，《Kain-Fritsch对流参数化：更新》，J.Appl。美托洛尔。，43, 170-181 (2004)
[17] Gramacy，R.B。；Lee，H.K.，《计算机实验建模中的金块案例》，Stat.Comput。，22, 713-722 (2012) ·Zbl 1252.62098号
[18] 陈，P。；扎巴拉斯，北。；Bilionis，I.，使用高斯过程和变分贝叶斯推理的无限混合的不确定性传播，J.Comput。物理。，284, 291-333 (2015) ·Zbl 1351.76277号
[19] 李伟（Li，W.）。；Lin，G.，多峰分布贝叶斯反演的自适应重要性抽样算法，J.Compute。物理。，294, 173-190 (2015) ·Zbl 1349.62025号
[20] 威廉姆斯，C.K。；Barber，D.，高斯过程贝叶斯分类，IEEE Trans。模式分析。机器。智力。，20, 1342-1351 (1998)
[21] 万，X。；Karniadakis，G.E.，任意概率测度的多元广义多项式混沌，SIAM J.Sci。计算。，28, 901-928 (2006) ·Zbl 1128.65009号
[22] 库兰特，R。；Hilbert，D.，《数学物理方法》（1953），John Wiley&Sons·Zbl 0729.00007
[23] Doostan，A。；Owhadi，H.，具有随机输入的PDE的非自适应稀疏近似，J.Compute。物理。，230, 3015-3034 (2011) ·Zbl 1218.65008号
[24] 杨，X。；Karniadakis，G.E.，随机椭圆微分方程的重加权极小化方法，J.Compute。物理。，248, 87-108 (2013) ·Zbl 1349.60113号
[25] Karagiannis，G。；Lin，G.，通过贝叶斯模型不确定性方法选择多项式混沌基，应用于随机输入PDE的稀疏近似，J.Compute。物理。，259, 114-134 (2014) ·Zbl 1349.62080号
[26] Karagiannis，G。；科诺米，学士。；Lin，G.，《用于GPC展开的空间随机基选择和评估的贝叶斯混合收缩先验程序：椭圆SPDE的应用》，J.Compute。物理。，284, 528-546 (2015) ·Zbl 1352.65634号
[27] 史J。；Wang，B.，混合高斯过程函数回归模型的曲线预测和聚类，统计计算。，18267-283（2008年）
[28] Le Maítre，O。；克尼奥，O。；Najm，H。；Ghanem，R.，《使用Wiener-Haar展开的不确定性传播》，J.Compute。物理。，197, 28-57 (2004) ·Zbl 1052.65114号
[29] Sacks，J。；Welch，W.J。；米切尔·T·J。；Wynn，H.P.，《计算机实验的设计与分析》，Stat.Sci。，409-423 (1989) ·Zbl 0955.62619号
[30] Linkletter，C。；Bingham博士。；Hengartner，N。；希格顿，D。；Kenny，Q.Y.，计算机实验中高斯过程模型的变量选择，技术计量学，48（2006）
[31] Cressie，N.，《空间数据统计》，Wiley Series in Probability and Statistics（1993），Wiley:Wiley New York，NY，USA
[32] Paciorek，C。；Schervish，M.，高斯过程回归的非平稳协方差函数，高级神经信息处理。系统。，16, 273-280 (2004)
[33] Wendland，H.，《分散数据近似》（2004），剑桥大学出版社，剑桥图书在线
[34] Green，P.，可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定，生物统计学，82711-732（1995）·Zbl 0861.62023号
[35] Hastings，W.K.，《使用马尔可夫链的蒙特卡罗采样方法及其应用》，《生物统计学》，第57期，第97-109页（1970年）·Zbl 0219.65008号
[36] Turchin，V.F.，《用蒙特卡罗方法计算多维积分》，理论问题。申请。，16, 720-724 (1971) ·Zbl 0257.65030号
[37] Smith，R.L.，生成均匀分布在有界区域上的点的高效蒙特卡罗程序，Oper。研究，32，1296-1308（1984）·Zbl 0552.65004号
[38] Andrieu，C。；Thoms，J.，自适应MCMC教程，统计计算。，18, 343-373 (2008)
[39] 罗伯特·C·P。；Casella，G.，蒙特卡洛统计方法（2004），施普林格·Zbl 1096.62003年
[40] Roberts，G.O。；Rosenthal，J.S.，通用状态空间马尔可夫链和MCMC算法，Probab。调查。，1, 20-71 (2004) ·Zbl 1189.60131号
[41] 奥哈根，A。；伯纳多，J.M。；J.O.伯杰。；达维德，美联社。；e.史密斯，A.F.M。；M.C.肯尼迪。；Oakley，J.E.，《复杂计算机代码的不确定性分析和其他推断工具（讨论）》（1999年），牛津大学出版社：牛津大学出版社·Zbl 1175.62028号
[42] M.C.肯尼迪。；O'Hagan，A.，《计算机模型贝叶斯校准补充细节》（2001），技术报告，内部报告。统一资源定位地址
[43] 库克·R。；马尔库斯，D。；Plesha，M.，有限元分析的概念和应用（1989），Wiley·Zbl 0696.73039号
[44] McKay，W.J.C.医学博士。；Beckman，R.J.，在计算机代码输出分析中选择输入变量值的三种方法的比较，Technometrics，21223-245（1979）·Zbl 0415.62011号
[45] 杨，B。；钱，Y。；林·G。；Leung，R。；Zhang，Y.，不确定性量化和参数调整中的一些问题：WRF区域气候模式Atmos中对流参数化方案的案例研究。化学。物理。，12, 2409 (2012)
[46] 吉尔摩，M.S。；斯特拉卡，J.M。；Rasmussen，E.N.，《由于简单微物理方案内降水粒子参数变化引起的降水不确定性》，Mon。《天气评论》，1322610-2627（2004）
[47] J.M.墨菲。；布斯，B.B。；柯林斯，M。；哈里斯·G·R。；塞克斯顿，D.M。；Webb，M.J.，《从扰动物理系综对区域气候变化进行概率预测的方法》，Philos。事务处理。R.Soc.伦敦。A、 数学。物理学。工程科学。，365, 1993-2028 (2007)
[48] 莫里森，H。；柯里，J。；Khvorostyanov，V.，云和气候模型中应用的新双力矩微物理参数化。第一部分：描述，J.Atmos。科学。，62, 1665-1677 (2005)
[49] 陈，F。；Dudhia，J.，将先进的地表水文模型与宾夕法尼亚州立大学-NCAR MM5建模系统耦合。第一部分：模型实施和敏感性，周一。《天气评论》，129569-585（2001）
[51] Mlawer，E.J。；Taubman，S.J。；P.D.布朗。；伊阿科诺，M.J。；Clough，S.A.，《非均匀大气的辐射传输：RRTM，长波的验证相关-k模型》，J.Geophys。大气研究（1984-2012），10216663-16682（1997）
[52] 卡尔·T。；威廉姆斯，C。；F.昆兰。；Boden，T.，美国历史气候网（HCN）系列温度和降水数据（1990年），橡树岭国家实验室二氧化碳信息和分析中心：橡树岭国家实验室二氧化碳信息和分析中心，田纳西州橡树岭，389页
[53] Maurer，E。；伍德，A。；亚当，J。；Lettenmaier，D。；Nijssen，B.，《美国相邻地区陆面通量和状态的长期水文数据集》，《气候杂志》，第15期，第3237-3251页（2002年）
[54] 富勒，R。；Genton，M.G。；Nychka，D.，《用于大型空间数据集插值的协方差锥化》，J.Compute。图表。统计（2006）
[55] Sang，H。；Huang，J.Z.，大型空间数据集协方差函数的全尺度近似，J.R.Stat.Soc.，Ser。B、 统计方法。，74, 111-132 (2012) ·Zbl 1411.62274号
[56] 考夫曼，C.G。；宾厄姆·D·。；哈比卜，S。；海特曼，K。；Frieman，J.A.，《使用紧支撑相关函数的计算机实验高效模拟器》，《应用于宇宙学》。统计，2470-2492（2011）·Zbl 1234.62166号
[57] Bilinis，I。；北卡罗来纳州扎巴拉斯。；科诺米，学士。；Lin，G.，《多输出可分离高斯过程：实现不确定性量化的高效、完全贝叶斯范式》，J.Compute。物理。，241, 212-239 (2013) ·Zbl 1349.76760号
[58] 佩迪卡里斯，P。；Karniadakis，G.E.，《通过多保真贝叶斯优化进行模型反演：血流动力学及其他领域参数估计的新范式》，J.R.Soc.Interface，13，20151107（2016）
[59] Roberts，G.O。；Gelman，A。；Gilks，W.R.，随机游走Metropolis算法的弱收敛性和最优缩放，Ann.Appl。概率。，7, 110-120 (1997) ·Zbl 0876.60015号
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。