Bayesian comparison of stochastic models of dispersion
Bayesian comparison of stochastic models of dispersion
复制标题
离散随机模型的贝叶斯比较
DOI：
10.1017/jfm.2022.472
复制
发表时间：
2022
影响因子：
3.7
通讯作者：
Brolly M
中科院分区：
文献类型：
--
作者：
Brolly M
不同复杂性的随机模型已经被提出来描述湍流中颗粒的分散，从简单的布朗运动到复杂的时间和空间相关模型。需要一种方法来比较竞争模型，考虑到估计更复杂模型通常引入的额外参数的困难。我们采用了一种数据驱动的方法，贝叶斯模型比较，它根据竞争模型解释观测数据的能力来分配概率。我们专注于布朗和朗之万动力学粒子在二维各向同性湍流之间的比较，与数据组成的序列的粒子位置从模拟拉格朗日轨迹。我们表明，虽然在足够大的时间尺度上的模型是不可区分的，有一个范围内的时间尺度上的朗之万模型优于布朗模型。虽然我们的设置是高度理想化的，但开发的方法适用于更复杂的流动和粒子动力学模型。
Stochastic models of varying complexity have been proposed to describe the dispersion of particles in turbulent flows, from simple Brownian motion to complex temporally and spatially correlated models. A method is needed to compare competing models, accounting for the difficulty in estimating the additional parameters that more complex models typically introduce. We employ a data-driven method, Bayesian model comparison, which assigns probabilities to competing models based on their ability to explain observed data. We focus on the comparison between the Brownian and Langevin dynamics for particles in two-dimensional isotropic turbulence, with data that consist of sequences of particle positions obtained from simulated Lagrangian trajectories. We show that, while on sufficiently large time scales the models are indistinguishable, there is a range of time scales on which the Langevin model outperforms the Brownian model. While our set-up is highly idealised, the methodology developed is applicable to more complex flows and models of particle dynamics.
登录
查看更多内容
影响因子：
16.6
作者：
Mark C;Metzner C;Lautscham L;Strissel PL;Strick R;Fabry B
通讯作者：
Fabry B
DOI：
--
发表时间：
2006
期刊：
Physical review. E, Statistical, nonlinear, and soft matter physics
影响因子：
--
作者：
R.K. Scott
通讯作者：
R.K. Scott
影响因子：
4.6
作者：
A. Bracco;J. LaCasce;C. Pasquero;A. Provenzale
通讯作者：
A. Provenzale
DOI：
--
发表时间：
1995
期刊：
影响因子：
--
作者：
A. Provenzale;A. Babiano;B. Villone
通讯作者：
B. Villone
影响因子：
3.7
作者：
A. Bracco;J. McWilliams
通讯作者：
A. Bracco;J. McWilliams