杨秀;大卫·巴拉哈斯·索拉诺;古泽尔·塔塔科夫斯基;亚历山大·塔塔科夫斯基。 基于物理信息的协克里金：一种用于数据模型收敛的基于高斯过程回归的多重性方法。 （英语） Zbl 1453.62651号 J.计算。物理学。 395, 410-431 (2019). 总结：在这项工作中，我们提出了一种新的基于高斯过程回归（GPR）的多重性方法：基于物理的CoKriging（CoPhIK）。在基于CoKriging的多义性方法中，感兴趣的量被建模为多个参数化平稳高斯过程（GP）的线性组合，这些GP的超参数通过优化从数据中估计。在CoPhIK中，我们使用物理信息克里格（PhIK）构造了一个表示低保真数据的GP，并使用一个参数化GP来模拟低保真和高保真数据之间的差异，该GP具有通过优化识别的超参数。我们证明了确定性线性算子形式的物理约束直到误差界都是满足的。此外，我们将CoPhIK与贪婪的主动学习算法相结合，以指导额外观测位置的选择。CoPhIK在重建部分观测修正Branin函数、重建稳态热传输问题的稀疏观测状态以及从稀疏示踪剂浓度测量中学习保守示踪剂分布方面的效率和准确性得到了证明。 引用于16文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：了解物理知识;高斯过程回归;协同克里格;多倍体;主动学习;错误界限 软件：合卡尔曼滤波;EGO公司;GSLIB公司;跺脚;eSTOMP公司 PDF格式BibTeX公司 XML格式引用 \文本{X.Yang}等人，J.Comput。物理学。395、410-431（2019年；Zbl 1453.62651） 全文： 内政部 arXiv公司 参考文献： [1] 玛格丽特·阿姆斯特朗（Margaret Armstrong），《普适克里金问题》（Problems with universal kriging），J.Int.Assoc.Math。地质。，16, 1, 101-108 (1984) [2] 大卫·A·巴拉哈斯·索拉诺。；Tartakovsky，Alexandre M.，多尺度数据同化和不确定性减少的多元高斯过程回归（2018），arXiv预印本·Zbl 1390.60225号 [3] 大卫·A·巴拉哈斯·索拉诺。；Tartakovsky，Alexandre M.，随机平流反应方程的概率和累积密度函数方法，SIAM/ASA J.不确定。量化。，6, 1, 180-212 (2018) ·Zbl 1390.60225号 [4] 布拉希姆·贝胡亚里（Brahim-Belhouari），索非亚（Sofiane）；Bermak，Amine，非平稳时间序列预测的高斯过程，计算。统计数据分析。，47, 4, 705-712 (2004) ·Zbl 1429.62420号 [5] 克里斯托弗·詹姆斯·布鲁克斯（Christopher James Brooks）；Forrester，A.I.J。；基恩，A.J。；Shahpar，S.，跨音速压缩机转子的多自由度设计优化（2011年） [6] 奥克萨纳A.Chkrebtii。；戴维·坎贝尔（David A.Campbell）。；Calderhead，Ben；Girolma，Mark A.，微分方程贝叶斯解不确定性量化，贝叶斯分析。，1239-1267年11月4日（2016年）·兹比尔1357.62108 [7] 乔恩·科卡恩；克里斯·奥茨（Chris Oates）；蒂姆·沙利文；Girolma，Mark，贝叶斯概率数值方法（2017），arXiv预印本 [8] 科恩（David A.Cohn）。；Ghahramani，Zoubin；Jordan，Michael I.，《利用统计模型进行主动学习》，J.Artif。智力。决议，4129-145（1996）·Zbl 0900.68366号 [9] 蒂莫西·科莱；Pietquin，Olivier，用高斯过程进行主动学习的乐观主义，（神经信息处理国际会议（2015），Springer），152-160 [10] 戴恒；陈兴元；叶明；宋雪航；Zachra，John M.，《复杂地下水流动和运移建模的基于地质统计学的分层敏感性分析方法》，《水资源》。研究，53，5，4327-4343（2017） [11] 德国克莱顿五世。；Journel，AndréG.，GSLIB:地理统计软件库和用户指南（1992），牛津大学出版社 [12] Simon Emmanuel；Berkowitz，Brian，多孔介质中混合诱导沉淀和孔隙度演变，水资源高级研究所。，28, 4, 337-344 (2005) [13] Evensen，Geir，集成卡尔曼滤波器：理论公式和实际实现，海洋动力学。，53, 4, 343-367 (2003) [14] 亚历山大·弗雷斯特（Alexander Forrester）；安迪·基恩（Andy Keane），《通过代理建模进行工程设计：实用指南》（2008），约翰·威利父子公司（John Wiley&Sons） [15] Alexander I.J.Forrester。；索贝斯特，安德拉斯；安迪·基恩（Andy J.Keane），《通过代理建模实现多维优化》，《伦敦皇家学会学报A：数学、物理和工程科学》，第463卷，第3251-3269页（2007年），英国皇家学会·Zbl 1142.90489号 [16] 罗马·加内特；迈克尔·奥斯本（Michael A.Osborne）。；Roberts，Stephen J.，传感器集选择的贝叶斯优化，（第九届ACM/IEEE传感器网络信息处理国际会议论文集（2010），ACM），209-219 [17] Michael B.Giles，多层蒙特卡罗路径模拟，Oper。研究，56，3，607-617（2008）·Zbl 1167.65316号 [18] Mark Girolma；钟明军，基于高斯过程先验的分类问题数据集成，（神经信息处理系统进展（2007）），465-472 [19] 菲利普·亨尼格；迈克尔·奥斯本（Michael A.Osborne）。；Girolma，Mark，《概率数字与计算中的不确定性》，Proc。R.Soc.伦敦。A、 4712179，第20150142条pp.（2015）·Zbl 1372.65010号 [20] 唐纳德·琼斯（Donald R.Jones）。；肖恩劳，马提亚斯；William J.Welch，《昂贵黑盒函数的高效全局优化》，J.Glob。最佳。，13, 4, 455-492 (1998) ·Zbl 0917.90270号 [21] 马克·肯尼迪（Marc C.Kennedy）。；安东尼·奥哈根（Anthony O’Hagan），《当快速近似可用时预测复杂计算机代码的输出》，《生物统计学》，87，1，1-13（2000）·Zbl 0974.62024号 [22] Peter K.Kitanidis，《地质统计学导论：在水文地质学中的应用》（1997），剑桥大学出版社 [23] 打结器，M。；布鲁斯·D·J。；Oude Voshaar，J.H.，《克里格法、协克里格法和克里格法与回归法相结合的水平深度空间插值与删减观测的比较》，《地质学》，67，3-4，227-246（1995） [24] 安德烈亚斯·克劳斯；阿吉特·辛格；Guestrin，Carlos，《高斯过程中的近最优传感器布置：理论、高效算法和实证研究》，J.Mach。学习。决议，9，235-284（2008年2月）·Zbl 1225.68192号 [25] 劳伦斯、朱利安；Sagaut，P.，《利用克里金和协克里金构建气动功能的有效响应面》，美国航空航天协会期刊，46，2，498-507（2008） [26] 卢瓦尔河Le Gratet；Josselin Garnier，《多保真度计算机实验设计的递归协同克里金模型》，《国际不确定性杂志》。量化。，4, 5 (2014) ·Zbl 1311.62058号 [27] 林广；Tartakovsky，Alexandre M.，《随机非均质多孔介质中三维流动和溶质运移的稀疏网格上的高效高阶概率配置方法》，Adv.Water Resour。，32, 5, 712-722 (2009) [28] 麦凯（MacKay）、大卫·J.C.（David J.C.），《高斯过程简介》，北约ASI F系列计算机和系统科学，第168卷，第133-166页（1998年）·Zbl 0936.68081号 [29] 卡拉·蒙特鲁比奥·戈梅斯；罗伊宁，拉西；萨拉·韦德；提奥·达穆拉斯；Girolma，Mark，稀疏层次非平稳模型的后验推断（2018），arXiv预印本 [30] Neal，Radford M.，《神经网络贝叶斯学习》，第118卷（2012年），Springer Science&Business Media [31] Niederreiter，Harald，《随机数生成和准蒙特卡罗方法》，第63卷（1992年），SIAM·Zbl 0761.65002号 [32] O'Hagan，Anthony，协方差结构的马尔可夫特性（1998）·Zbl 0972.62017号 [33] 克里斯托弗·帕西奥雷克。；Schervish，Mark J.，高斯过程回归的非平稳协方差函数，（神经信息处理系统进展（2004）），273-280 [34] 潘文晓；杨秀；鲍杰；Wang，Michelle，通过空气电极多孔结构的设计优化锂氧电池的放电容量：多元建模和优化，J.Electrochem。Soc.，164，11，E3499-E3511（2017） [35] 庞国飞；杨柳；Karniadakis，George Em，神经网络诱导高斯过程回归函数逼近和PDE解（2018），arXiv预印本 [36] 佩迪卡里斯，P。；文丘里管，D。；Royset，J.O。；Karniadakis，G.E.，通过递归协克里金和Gaussian-Markov随机场的多精度建模，Proc。R.Soc.A，471，2179，第20150018条，pp.（2015） [37] 巴黎佩迪卡里斯；Raissi，马齐尔；安德烈亚斯·达米亚努；劳伦斯，N.D。；Karniadakis，George Em，《数据高效多保真建模的非线性信息融合算法》，Proc。R.Soc.伦敦。A、 473、2198，第20160751条，pp.（2017）·Zbl 1407.62252号 [38] 克里斯蒂安·普拉格曼（Christian Plagemann）；克里斯蒂安·凯斯廷（Kristian Kersting）；Burgard，Wolfram，使用局部平滑度的点估计的非平稳高斯过程回归，（机器学习和数据库知识发现联合欧洲会议（2008），Springer），204-219 [39] 马齐亚·莱斯；巴黎佩迪卡里斯；Karniadakis，George Em，使用高斯过程的线性微分方程的机器学习，J.Comput。物理。，348, 683-693 (2017) ·Zbl 1380.68339号 [40] 马齐亚·莱斯；巴黎佩迪卡里斯；Karniadakis，George Em，含时和非线性偏微分方程的数值高斯过程，SIAM J.Sci。计算。，40、1、A172-A198（2018）·Zbl 1386.65030号 [41] 杰罗姆·萨克斯（Jerome Sacks）；威廉·J·韦尔奇。；托比·J·米切尔。；Wynn，Henry P.，《计算机实验的设计与分析》，统计科学。，409-423 (1989) ·Zbl 0955.62619号 [42] 保罗·桑普森（Paul D.Sampson）。；Guttorp，Peter，非平稳空间协方差结构的非参数估计，美国统计协会，87，417，108-119（1992） [43] Michael Schober；David K.Duvenaud。；Hennig，Philipp，使用Runge-Kutta平均值的概率ODE解算器，（神经信息处理系统进展（2014）），739-747 [44] 斯坦因，A。；Corsten，L.C.A.，作为回归过程的通用克里金和协同克里金，生物统计学，575-587（1991） [45] Stein，Michael L.，《空间数据插值：克里格的一些理论》（2012），施普林格科学与商业媒体 [46] 塔塔科夫斯基，A.M。；M.Panzeri。；塔塔科夫斯基，G.D。；Guadagnini，A.，多孔介质中流动的尺度相关模型的不确定性量化，水资源。研究，53，9392-9401（2017） [47] Simon Tong；Koller，Daphne，支持向量机主动学习及其在文本分类中的应用，J.Mach。学习。第245-66号决议（2001年11月）·Zbl 1009.68131号 [48] 怀特，马克·D。；Oostrom，Martinus，STOMP多阶段地下运输，版本4.0，用户指南（2006），华盛顿州里奇兰，技术报告，PNNL-15782 [49] 克里斯托弗·威廉姆斯（Christopher K.I.Williams）。；拉斯穆森，卡尔·爱德华，机器学习的高斯过程，麻省理工学院出版社，2，3，4（2006）·Zbl 1177.68165号 [50] 秀、东宾；Hesthaven，Jan S.，随机输入微分方程的高阶配置方法，SIAM J.Sci。计算。，27, 3, 1118-1139 (2005) ·Zbl 1091.65006号 [51] 杨秀；Choi，Minseok；林广；Karniadakis，George Em，随机不可压缩流和可压缩流的自适应ANOVA分解，J.Compute。物理。，231, 4, 1587-1614 (2012) ·Zbl 1408.76428号 [52] 杨秀；Karniadakis，George Em，随机椭圆微分方程的重加权极小化方法，J.Compute。物理。，248, 1, 87-108 (2013) ·Zbl 1349.60113号 [53] 杨秀；古泽尔·塔塔科夫斯基（Guzel Tartakovsky）；Tartakovsky，Alexandre，PhIK：用于数据模型收敛的基于物理学的高斯过程回归方法（2018），arXiv预印本 [54] 杨秀；朱雪玉；李静，《当二分性遇到协克里金：一种有效的基于物理的多重性方法》（2018），arXiv预印本 [55] 朱雪玉；埃琳·巴格（Erin M.Linebarger）。；Xiu，Dongbin，统计矩计算的多精度随机配置法，J.Compute。物理。，341, 386-396 (2017) ·Zbl 1378.65040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。