A Computational Information Criterion for Particle-Tracking with Sparse or Noisy Data
A Computational Information Criterion for Particle-Tracking with Sparse or Noisy Data
复制标题
稀疏或噪声数据粒子追踪的计算信息准则
DOI：
10.1016/j.advwatres.2021.103893
复制
发表时间：
2021
影响因子：
4.7
通讯作者：
Pankavich, Stephen D.
中科院分区：
文献类型：
--
作者：
Tran, Nhat Thanh;Benson, David A.;Schmidt, Michael J.;Pankavich, Stephen D.
对流扩散方程（ADEs）的传统概率模拟方法往往忽略离散化的熵贡献，例如，粒子的数量，在相关的数值方法。很多时候，一个高度离散化的数值模型的准确性增益被其相关的计算成本或数据中的噪声所抵消。我们解决的问题，有多少粒子需要在模拟中最好的近似和估计参数的一维对流扩散运输。为此，我们使用著名的赤池信息准则（AIC）和最近开发的称为计算信息准则（COMIC）的校正来指导模型选择过程。随机行走和传质粒子跟踪方法来解决模型方程在不同层次的离散。数值结果表明，COMIC提供了一个最佳数量的粒子，可以描述一个更有效的模型参数估计和模型预测相比，由AIC选择的模型，即使当数据稀疏或嘈杂，采样量是不均匀的整个物理域，或数据的误差分布是非IID高斯。
Traditional probabilistic methods for the simulation of advection-diffusion equations (ADEs) often overlook the entropic contribution of the discretization, e.g., the number of particles, within associated numerical methods. Many times, the gain in accuracy of a highly discretized numerical model is outweighed by its associated computational costs or the noise within the data. We address the question of how many particles are needed in a simulation to best approximate and estimate parameters in one-dimensional advective-diffusive transport. To do so, we use the well-known Akaike Information Criterion (AIC) and a recently-developed correction called the Computational Information Criterion (COMIC) to guide the model selection process. Random-walk and mass-transfer particle tracking methods are employed to solve the model equations at various levels of discretization. Numerical results demonstrate that the COMIC provides an optimal number of particles that can describe a more efficient model in terms of parameter estimation and model prediction compared to the model selected by the AIC even when the data is sparse or noisy, the sampling volume is not uniform throughout the physical domain, or the error distribution of the data is non-IID Gaussian.
登录
查看更多内容
熵：（1）粒子跟踪模拟的前一个麻烦，以及（2）计算信息损失的度量
影响因子：
4.7
作者：
Benson, David A.;Pankavich, Stephen;Schmidt, Michael J.;Sole-Mari, Guillem
通讯作者：
Sole-Mari, Guillem
影响因子：
6.8
作者：
AKAIKE, H
通讯作者：
AKAIKE, H
固/水化学相相互作用反应输运的拉格朗日方法
DOI：
10.1016/j.jcpx.2019.100021
发表时间：
2018
期刊：
J. Comput. Phys. X
影响因子：
--
作者：
Michael J. Schmidt;S. Pankavich;A. Navarre‐Sitchler;D. Benson
通讯作者：
D. Benson
基于随机游走粒子的传质算法模拟混合的准确性
影响因子：
4.7
作者：
Michael J. Schmidt;S. Pankavich;D. Benson
通讯作者：
D. Benson
粒子上任意复杂的化学反应
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
D. Benson;D. Bolster
通讯作者：
D. Bolster