乍得利伯曼;凯伦·威尔科克斯 非线性面向目标的贝叶斯推断:在碳捕获和储存中的应用。 (英语) Zbl 1429.62711号 SIAM J.科学。计算。 36,第3号,B427-B449(2014). 摘要:在许多工程问题中,为了进行预测、设计控制器或优化模型,需要推断模型的未知参数。当参数为分布(连续)或非常高维(离散)且感兴趣的量为低维时,无需完全解析参数即可准确估计感兴趣的数量。在这项工作中,我们将面向目标的推理(从观测数据估计预测而不解析参数的过程)扩展到具有非线性实验和预测过程的贝叶斯统计推理问题公式,该过程以前在线性设置下从理论上证明是正确的。我们建议使用高斯混合模型离线学习数据和预测的联合密度。当在线观测数据时,我们将表示条件设置为对给定观测数据的预测进行概率描述。我们的方法能够实时估计感兴趣量的不确定性,并在存在感兴趣的低维输出量时提供易于处理的高维PDE约束贝叶斯推理。我们针对碳捕获和存储中的一个实际问题演示了该方法,对于该问题,现有的贝叶斯参数估计方法很难解决。 引用于三文件 MSC公司: 第60页 统计学在工程和工业中的应用;控制图 2015年1月62日 贝叶斯推断 关键词:面向目标的推理;碳捕获和储存;偏微分方程;非线性;贝叶斯主义者 PDF格式BibTeX公司 XML格式引用 \textit{C.Lieberman}和\textit{K.Willcox},SIAM J.Sci。计算。36,第3号,B427--B449(2014;Zbl 1429.62711) 全文: 内政部 链接