A novel surrogate for extremes of random functions
A novel surrogate for extremes of random functions
复制标题
随机函数极值的新颖替代
DOI：
10.1016/j.ress.2023.109493
复制
发表时间：
2023
影响因子：
8.1
通讯作者：
Gurley, Kurtis R.
中科院分区：
文献类型：
--
作者：
Xu, Hui;Grigoriu, Mircea D.;Gurley, Kurtis R.
随机问题的数值解需要通过有限维（FD）模型在其定义中表示随机函数，即，时间的确定性函数和随机变量的有限集合。通常用多项式混沌（PC）模型来表示这些FD代理的系数。我们提出了一种新的模型，称为多项式混沌平移（PCT）模型，它完全匹配的FD系数的边缘分布和近似的依赖。基于PC和PCT的FD模型是为一组测试用例和在佛罗里达大学边界层风洞设施记录的风压时间序列构建的。基于PCT的模型准确地捕获FD系数和目标时间序列的极值的联合分布，而基于PC的FD模型不具有这种能力。
Numerical solutions of stochastic problems require the representation of random functions in their definitions by finite dimensional (FD) models, i.e., deterministic functions of time and finite sets of random variables. It is common to represent the coefficients of these FD surrogates by polynomial chaos (PC) models. We propose a novel model, referred to as the polynomial chaos translation (PCT) model, which matches exactly the marginal distributions of the FD coefficients and approximately their dependence. PC- and PCT-based FD models are constructed for a set of test cases and a wind pressure time series recorded at the boundary layer wind tunnel facility at the University of Florida. The PCT-based models capture the joint distributions of the FD coefficients and the extremes of target times series accurately while PC-based FD models do not have this capability.
登录
查看更多内容
利用基于广义多项式混沌简化模型的蒙特卡罗分辨率进行高效的不确定 keff 计算
影响因子：
4.1
作者：
Gaël Poëtte;E. Brun
通讯作者：
E. Brun
使用稀疏多项式混沌展开的随机场数据的频谱表示
影响因子：
4.1
作者：
Simon Abraham;P. Tsirikoglou;J. Miranda;C. Lacor;F. Contino;G. Ghorbaniasl
通讯作者：
G. Ghorbaniasl
随机向量和多元极值的 PC 翻译模型
影响因子：
3.1
作者：
M. Grigoriu
通讯作者：
M. Grigoriu
广义多项式混沌信息高效随机克里金法
影响因子：
4.1
作者：
Yiming Che;Ziqi Guo;Changqing Cheng
通讯作者：
Changqing Cheng
影响因子：
8.1
作者：
Alexanderian, Alen;Gremaud, Pierre A.;Smith, Ralph C.
通讯作者：
Smith, Ralph C.