拉斐尔·科斯塔·卡瓦略;艾斯明·卢萨达·赫尔佐格;奥尔兰德，赫尔西奥·兰杰尔·巴雷托;科拉索，马塞洛·何塞;马德拉，伊塔洛·马西奥;尼鲁帕姆·查克拉博蒂 在水锤模型中使用马尔可夫链蒙特卡罗方法和进化神经网络进行参数估计。 （英语） Zbl 1524.35746号 计算。申请。数学。 42，第1号，第35号论文，第31页（2023年）. 小结：泵和阀门的快速瞬变可能导致整个管道的压力和流速发生重大变化，甚至可能导致结构损坏。本计算工作涉及水锤模型的参数估计，重点是瞬态摩擦系数和与管道弹性相关的经验参数。双曲线水锤模型采用加权平均通量有限体积格式的总变差递减格式进行求解。利用管道进出口附近的模拟压力和流量测量值，用马尔可夫链蒙特卡罗方法求解参数估计问题。本工作旨在通过两种不同的策略减少反问题解的计算时间：（1）应用最新的并行计算版本的Metropolis-Hastings算法；使用进化神经网络算法和近似误差模型方法获得的机器学习元模型。在参数估计精度和相关计算时间方面对这两种方法进行了比较。 MSC公司： 35兰特 PDE的反问题 关键词：贝叶斯统计;Metropolis-Hastings算法;并行计算;机器学习;EvoNN公司;近似误差模型 软件：github PDF格式BibTeX公司 XML格式引用 \textit{R.C.Carvalho}等人，计算。申请。数学。42，第1号，第35号论文，第31页（2023年；Zbl 1524.35746） 全文： DOI程序 参考文献： [1] 洛杉矶Abreu；奥兰德，HRB；可乐，MJ；凯皮奥，J。；科莱赫梅宁，V。；CC帕切科；Cotta，RM，使用积分变换测量法用马尔可夫链蒙特卡罗方法检测触点故障，国际热学杂志，132486-497（2018）·doi:10.1016/j.ijthermalsci.2018.06.006 [2] 阿克斯沃西，DH；吉达维，MS；Mcinnis，DA，非定常管流中能量耗散的扩展热力学推导，水利工程杂志，126,4276-287（2000）·doi:10.1061/（ASCE）0733-9429（2000）126:4（276） [3] Bansal，A。；Barman，A。；Ghosh，S。；Chakraborti，N.，《使用多目标遗传算法和基于进化神经网络元模型的经典分子动力学模拟设计Cu-Zr玻璃》，马特-马努夫过程，28，7，733-740（2012）·doi:10.1080/10426914.2013.763961 [4] Beck，合资公司；Arnold，KJ，《工程与科学中的参数估计》（1997），纽约：Wiley Interscience出版社，纽约·Zbl 0363.62020号 [5] 巴塔查里亚，B。；Kumar，GRD；阿加瓦尔，A。；埃尔科奇，S。；辛格，A。；Chakraborti，N.，《使用分子动力学、进化神经网络和多目标遗传算法分析Fe-Zn系统》，《计算材料科学》，46，4，821-827（2009）·doi:10.1016/j.commatsci.2009.04.023 [6] 布洛斯，PF；卡尼，BW；伍德，DJ；Lingiredy，S.，《保护配水系统的液压瞬态无导向装置》，JAWRA，97，5，111-124（2005）·doi:10.1002/j.1551-8833.2005.tb10892.x [7] 布鲁诺内，B。；哥利亚，UM；Greco，M.，《二维性对管道瞬态建模的影响》，《水利工程杂志》，121，12，906-912（1995）·doi:10.1061/（ASCE）0733-9429（1995）121:12（906） [8] Carvalho RC、Orlande HRB、Colaço MJ、Madeira IM（2018）《WAF-TVD方案在水锤方程中的应用》，巴西林多亚热科学与工程大会，巴西 [9] Carvalho RC、Orlande HRB、Colaço MJ、Madeira IM（2022）《流量瞬变期间管道的表征》。参加：第十届工程逆问题国际会议，意大利基辅Francavilla al-Mare [10] Chakraborti，N.，《材料技术中的数据驱动进化建模》（2022），博卡拉顿：CRC出版社，博卡拉顿·doi:10.1201/9781003201045 [11] 乔杜里，MH，《应用液压瞬变》（2014），纽约：施普林格，纽约·doi:10.1007/978-1-4614-8538-4 [12] 科埃罗，C。；拉蒙特，GB；Van Veldhuizen，D.，解决多目标问题的进化算法（2007），纽约：Springer，纽约·Zbl 1142.90029号 [13] 崔，T。；福克斯，C。；尼科尔斯，GK；O'Sullivan，MJ，使用并行马尔可夫链蒙特卡罗来量化地热储层校准中的不确定性，Int J不确定性Quantif，9，32295-310（2019）·Zbl 1498.86018号 ·doi:10.1615/国际不确定性定量杂志.2019029282 [14] 达塔，S。；Pettersson，F。；Ganguly，S。；萨克森，H。；Chakraborti，N.，使用遗传算法和神经网络识别TRIP辅助钢机械性能的控制因素，《材料制造工艺》，23，2，130-137（2008）·doi:10.1080/10426910701774528 [15] Deb，K.，《使用进化算法的多目标优化》（2001），奇切斯特：威利·Zbl 0970.90091号 [16] Gammerman，D。；Lopes，HF，马尔可夫链蒙特卡罗：贝叶斯推断的随机模拟（2006），博卡拉顿：查普曼和霍尔/CRC，博卡拉通·Zbl 1137.62011年 ·doi:10.1201/9781482296426 [17] 日内瓦，N。；Zabaras，N.，《利用贝叶斯深度神经网络量化雷诺平均湍流模型中模型形式的不确定性》，《计算物理杂志》，385，125-147（2019）·Zbl 1451.76059号 ·doi:10.1016/j.jcp.2019.01.021 [18] Ghidaoui，理学硕士；赵，M。；麦金尼斯，DA；Axworthy，DH，《水锤理论与实践综述》，《应用力学评论》，58，49-76（2005）·doi:10.115/1.1828050 [19] 基里，BK；哈卡宁，J。；Miettinen，J。；Chakraborti，N.，通过双目标遗传算法进行遗传编程，研究涉及多个目标的模拟移动床过程，应用软件计算，13，5，2613-2623（2013）·doi:10.1016/j.asoc.2012.11.025 [20] 戈文丹，D。；Chakraborty，S。；Chakraborti，N.，《通过进化神经网络和多目标遗传算法分析连铸中的流体流动》，《钢铁研究国际》，81，3，197-203（2010）·doi:10.1002/srin.200900128 [21] 黑斯廷斯，WK，使用马尔可夫链的蒙特卡罗采样方法及其应用，《生物特征》，57，97-109（1970）·Zbl 0219.65008号 ·doi:10.2307/2334940 [22] 海勒，M。；佩特森，F。；查克拉博蒂，N。；Saxen，H.，《使用遗传算法和神经网络建模有噪声的高炉数据》，《钢铁研究国际》，77，2，75-81（2006）·doi:10.1002/srin.200606357 [23] 凯皮奥，J。；Somersallo，P.，反问题的计算和统计方法（2004），柏林：施普林格，柏林 [24] Kumar，H。；库马尔，S。；北卡罗来纳州Gnanasekaran。；Balaji，C.，《同时估算聚四氟乙烯气缸热量生成和传热系数的马尔可夫链蒙特卡洛-大都会-哈斯廷斯方法》，《热传输工程》（2017）·doi:10.1080/01457632.2017.1305823 [25] 拉米恩，B。；奥兰德，HRB；Eliçabe，G.，《用于热疗状态估计的粒子滤波和近似误差模型》，《传热杂志》，139,112001（2017）·数字对象标识代码：10.1115/1.4034064 [26] Lamien B，Orlande HRB（2013），近似误差模型，用于解释以线热源探头为特征的液体中的对流效应，第四次反问题，设计与优化研讨会，法国阿尔比 [27] Lee，PM，贝叶斯统计（2004），伦敦：牛津大学出版社，伦敦·Zbl 1056.62035号 [28] Lüdecke HJ，Kothe B（2006）KSB Know-how水锤。第1卷。肯尼亚先令 [29] 马德拉，IM；卢库米（MAR Lucumi）；Orlande，HRB，天然气管道阀门关闭检测的状态估计问题，逆问题科学工程，29，12，2186-2206（2021）·Zbl 07480129号 ·doi:10.1080/17415977.2021.1910682 [30] 北卡罗来纳州大都会。；罗森布鲁斯，A。；罗森布鲁思，M。；出纳员，A。；Teller，E.，用快速计算机器计算状态方程，《化学物理杂志》，211087-1092（1953）·Zbl 1431.65006号 ·数字对象标识代码：10.1063/1.1699114 [31] Miettinen，K.，《非线性多目标优化》，第12卷（2012年），柏林：Springer科学与商业媒体，柏林 [32] Mijhaylov，K。；Rigopoulos，S。；Papadakis，G.，根据有限的传感器数据重建搅拌槽中的大规模流动结构，AIChE J（2021）·doi:10.1002/aic.17348 [33] Nissinen A（2011）《电阻抗断层成像中的建模误差》，芬兰东部大学林业和自然科学论文 [34] Nissinen，A。；海基宁，L。；Kaipio，J.，《电阻抗断层成像的贝叶斯近似误差方法——实验结果》，《计量科学技术》，19，1（2008）·doi:10.1088/0957-0233/19/1/01501 [35] Nissinen，A。；海基宁，L。；科莱赫梅宁，V。；Kaipio，J.，电阻抗断层成像中离散化、域截断和未知接触阻抗引起的误差补偿，计量科学技术，20（2009）·doi:10.1088/0957-0233/20/10/105504 [36] 尼斯宁，A。；科莱赫梅宁，V。；Kaipio，J.，电阻抗断层成像中未知边界域导致的建模误差补偿，IEEE Trans-Med Imaging，30，231-242（2011）·Zbl 1350.92030 ·doi:10.1088/0957-0233/20/10/105504 [37] Nissinen，A。；科莱赫梅宁，V。；Kaipio，J.，使用近似误差方法重建电阻抗断层成像中的域边界和电导率，国际J不确定量子化杂志，1203-222（2011）·Zbl 1350.92030 ·doi:10.1615/Int.J.不确定性量化.v1.13.20 [38] 奥兰德，HRB；可乐，MJ；Dulikravich，GS，求解逆问题的贝叶斯技术中似然函数的近似，逆问题科学与工程，16，6，677-692（2008）·Zbl 1154.65006号 ·doi:10.1080/17415970802231677 [39] 奥兰德，HRB；福迪姆，F。；梅勒特，D。；Cotta，RM，《热测量和反演技术》（2011年），博卡拉顿：CRC出版社，博卡拉顿·doi:10.1201/b10918 [40] Orlande，HRB级；Dulikravich，GS；Neumayer，M。；Watzenig，D。；Colaço，MJ，估算热传导问题中空间变化热流密度的加速贝叶斯推断，数值传热部分应用，65，1，1-25（2014）·doi:10.1080/10407782.2013.812008 [41] 明尼苏达州奥齐西克；Orlande，HRB，《逆向传热：基础与应用》（2021），博卡拉顿：CRC出版社，博卡拉顿·doi:10.1201/9781003155157 [42] 明尼苏达州奥齐西克；奥兰德，HRB；可乐，MJ；Cotta，RM，《传热有限差分法》（2017），博卡拉顿：CRC出版社，博卡拉顿·doi:10.1201/9781315168784 [43] 彭，GCY；Alber，M。；Tepole，AB；大炮，WR；德·S。；杜拉·贝纳尔，S。；Garikipati，K。；卡尼亚达基斯，G。；利顿，WW；佩迪卡里斯，P。；佩佐德，L。；Kuhl，E.，《多尺度建模与机器学习：我们可以学习什么？》？，阿奇耶夫计算方法工程，28，1017-1037（2021）·doi:10.48550/arXiv.1911.11958 [44] Pettersson，F。；查克拉博蒂，N。；Saxen，H.，基于遗传算法的多目标神经网络应用于含噪高炉数据，应用软件计算，7，1，387-397（2007）·doi:10.1016/j.asoc.2005.09.001 [45] PyRVEA（2019）工业优化研究小组。https://github.com/industrial-optimization-group/pyRVEA/tree/master/pyRVEA。2019年9月3日访问。 [46] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，GE，Physics-informated neural networks:a deep learning framework for solving forward and inverse problems including normal partial differential determination，J Comput Physis，378，686-707（2018），《基于物理的神经网络：解决非线性·Zbl 1415.68175号 ·doi:10.1016/j.jcp.2018.10.045 [47] 拉贾克，P。；Tewarve，美国。；达斯，S。；巴塔查里亚，B。；Chakraborti，N.，《通过进化元模型和多目标遗传算法分析含锌铁的相》，《计算材料科学》，50，2502-2516（2011）·doi:10.1016/j.commatsci.2011.03.034 [48] 罗伯茨，GO；Gelman，A。；Gilks，WR，随机游走Metropolis算法的弱收敛和最优缩放，Ann Appl Probab，7，1，110-120（1997）·Zbl 0876.60015号 [49] 加利福尼亚州罗杰斯；AJ Kassab；迪沃，EA；奥斯特罗斯基，Z。；Bialecki，RA，《力学参数估计的逆POD-RBF网络方法》，《逆问题科学与工程》，20，5，746-767（2012）·Zbl 1253.80014号 ·doi:10.1080/17415977.2012.693080 [50] 罗森塔尔，J。；布鲁克斯，S。；Gelman，A。；琼斯·G。；Meng，X.，第4章：最优方案分配和自适应MCMC，《马尔可夫链蒙特卡罗手册》（2011），博卡拉顿：CRC出版社，博卡拉顿 [51] Szydlowski M（2002）《水锤模拟的有限体积法》，废水和饮用水系统技术、自动化和控制国际科学技术会议-TiASWiK’02，第159-165页 [52] Tan S、Fox C、Nicholls G（2006）《反问题——奥克兰大学物理707课程笔记》。https://math.unm.edu/vageli/课程/Ma375/文学/ [53] Toro，EF，流体动力学的黎曼解算器和数值方法（1997），柏林：施普林格，柏林·Zbl 0888.76001号 ·doi:10.1007/978-3-662-03490-3 [54] Winkler，R.，《贝叶斯推理和决策简介》（2003），盖恩斯维尔：概率出版公司，盖恩斯维尔 [55] Wylie，EB，非定常湍流管流中的摩擦效应，应用力学评论，50，11，241-244（1997）·数字对象标识代码：10.1115/1.3101843 [56] 雅达夫·R。；Balaji，C。；Venkasteshan，SP，使用人工神经网络和遗传算法反演辐射炉中离散加热器的数量和位置，J Quant Spect Rad Transf，226127-137（2019）·doi:10.1016/j.jqsrt.2018.12.031 [57] Zhu，Y。；北卡罗来纳州扎巴拉斯。；Koutsourelakis，PS；Perdikaris，P.，《无标记数据的高维代理建模和不确定性量化的物理约束深度学习》，《计算物理杂志》，39456-81（2019）·Zbl 1452.68172号 ·doi:10.1016/j.jcp.2019.05.024 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。