WITHDRAWN: Assessing erosion and flood risk in the coastal zone through the application of multilevel Monte Carlo methods
WITHDRAWN: Assessing erosion and flood risk in the coastal zone through the application of multilevel Monte Carlo methods
复制标题
撤回：通过应用多级蒙特卡罗方法评估沿海地区的侵蚀和洪水风险
DOI：
10.1016/j.coastaleng.2021.103850
复制
发表时间：
2021
影响因子：
4.4
通讯作者：
Clare M
中科院分区：
文献类型：
--
作者：
Clare M
沿海地区易受侵蚀和洪水风险的影响，这可以使用耦合的水文地貌动力学模型进行评估。然而，使用这种模型作为决策支持工具遭受高度的不确定性，由于不完整的知识和系统中的自然变异性。在这项工作中，我们首次展示了如何将多级蒙特卡罗方法（MLMC）应用于沿海水文形态动力学建模，这里使用流行的模型XBeach，通过计算关键输出变量的统计数据来量化不确定性给定不确定的输入参数。MLMC通过使用具有不同分辨率级别的模型层次来加速蒙特卡罗方法。几个理论和现实世界的沿海地区的案例研究被认为是在这里，输出变量是关键的洪水和侵蚀风险的评估，如波浪爬高和总侵蚀量，估计。我们表明，MLMC可以显着降低计算成本，导致在40或更大的加速因子相比，一个标准的蒙特卡罗方法，同时保持相同的精度水平。此外，一个复杂的合奏生成技术被用来估计累积分布的输出变量从MLMC输出。这允许估计变量超过某个值的概率，例如波浪爬高超过海堤高度的概率。这是一种宝贵的能力，可用于在不确定情况下为决策提供信息。
Coastal zones are vulnerable to both erosion and flood risk, which can be assessed using coupled hydro-morphodynamic models. However, the use of such models as decision support tools suffers from a high degree of uncertainty, due to both incomplete knowledge and natural variability in the system. In this work, we show for the first time how the multilevel Monte Carlo method (MLMC) can be applied in hydro-morphodynamic coastal ocean modelling, here using the popular model XBeach, to quantify uncertainty by computing statistics of key output variables given uncertain input parameters. MLMC accelerates the Monte Carlo approach through the use of a hierarchy of models with different levels of resolution. Several theoretical and real-world coastal zone case studies are considered here, for which output variables that are key to the assessment of flood and erosion risk, such as wave run-up height and total eroded volume, are estimated. We show that MLMC can significantly reduce computational cost, resulting in speed up factors of 40 or greater compared to a standard Monte Carlo approach, whilst keeping the same level of accuracy. Furthermore, a sophisticated ensemble generating technique is used to estimate the cumulative distribution of output variables from the MLMC output. This allows for the probability of a variable exceeding a certain value to be estimated, such as the probability of a wave run-up height exceeding the height of a seawall. This is a valuable capability that can be used to inform decision-making under uncertainty.
登录
查看更多内容
DOI：
10.1137/140960086
发表时间：
2015-04
期刊：
SIAM/ASA J. Uncertain. Quantification
影响因子：
--
作者：
M. Giles;Tigran Nagapetyan;K. Ritter
通讯作者：
M. Giles;Tigran Nagapetyan;K. Ritter
影响因子：
4.4
作者：
Douglas Pender;H. Karunarathna
通讯作者：
H. Karunarathna
使用 XBeach 进行长期建模：以集成方法结合静止模式和冲浪模式
影响因子：
--
作者：
L. Bart
通讯作者：
L. Bart
影响因子：
13.6
作者：
Harris DL;Rovere A;Casella E;Power H;Canavesio R;Collin A;Pomeroy A;Webster JM;Parravicini V
通讯作者：
Parravicini V
使用形态动力学模型的算法微分进行一阶不确定性分析
DOI：
10.1016/j.cageo.2015.10.012
发表时间：
2016
期刊：
Comput. Geosci.
影响因子：
--
作者：
C. Villaret;R. Kopmann;D. Wyncoll;J. Riehme;U. Merkel;U. Naumann
通讯作者：
U. Naumann