Uncertainties assessment in global sensitivity indices estimation from metamodels
Uncertainties assessment in global sensitivity indices estimation from metamodels
复制标题
元模型全球敏感性指数估计的不确定性评估
DOI：
--
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
C. Prieur
中科院分区：
文献类型：
--
作者：
Alexandre Janon;M. Nodet;C. Prieur
对于复杂的、资源密集型的数值模式，全局灵敏度分析往往是不可行的，因为它需要大量的运行。元模型方法将原始模型替换为运行速度快得多的近似代码。本文讨论了元模型近似在灵敏度指数估计中的信息损失问题。提出了一种用于提供稳健的误差评估的方法，从而能够在不牺牲精度和严谨性的情况下显著节省时间。该方法在两种不同类型的元模型上进行了说明：一种是基于约简基的，另一种是基于RKHS内插的。
Global sensitivity analysis is often impracticable for complex and resource intensive numerical models, as it requires a large number of runs. The metamodel approach replaces the original model by an approximated code that is much faster to run. This paper deals with the information loss in the estimation of sensitivity indices due to the metamodel approximation. A method for providing a robust error assessment is presented, hence enabling significant time savings without sacrificing on precision and rigor. The methodology is illustrated on two different types of metamodels: one based on reduced basis, the other one on RKHS interpolation.
抛物型偏微分方程降基近似的新误差界
影响因子：
0.8
作者：
Karsten Urban;Anthony T. Patera
通讯作者：
Anthony T. Patera