高斯过程响应面模型及其应用与扩展研究.pdfVIP

高斯过程响应面模型及其应用与扩展研究.pdf

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
高斯过程响应面模型及其应用与扩展研究1) 2) 刘信恩 ,肖世富,莫 军 (中国工程物理研究院总体工程研究所,绵阳 621900) 摘要:在复杂工程结构不确定性分析等情形,常用可快速计算的代理模型替代原始的耗时数值模拟,以此提高 分析效率。高斯过程响应面模型是一种新型代理模型,不仅灵活性好,精度高,还能量化自身的不确定性,在 强调不确定性源辨识与量化的现代模型验证与确认 (VV )研究中具有独特的价值。然而,这种新方法在理论 上还不是十分完善,应用起来也较为复杂,所以目前还没有被工程界广泛接受。为了推动其向工程应用方向发 展,作者等人在高斯过程响应面模型关键技术细节的处理方法、不确定性分析中设计点的选择方法、贝叶斯模 型确认/参数校准框架的简化和扩展以及复杂多输出自适应高斯过程响应面模型等方面开展了一系列研究工 作,取得了一些进展。本文简要介绍了作者等人在上述几个方面取得的研究进展,并探讨存在的问题以及今后 可能开展的工作。 关键词:高斯过程;代理模型/响应面模型;贝叶斯统计;不确定性分析;模型确认/参数校准 引 言 复杂工程结构的数值模拟往往十分耗时,在设计优化等需要大量反复调用程序的情形,为了提高效 率,通常先根据少量已知数据建立近似的、可快速计算的代理模型,而不是直接使用原始的数值模拟模 型来进行分析。高斯过程响应面法是一种新型的代理模型技术,具有灵活性好 (非参数/半参数型,容易 逼近复杂非线性光滑函数)、精度高 (插值型,通过所有数据点)、可量化不确定性 (以后验分布形式 描述,不同输入处有不同的不确定性)等优点。尤其是它能对代理模型自身不确定性进行细致量化这一 特点,是其他各类代理模型所不具备的,非常契合现代模型验证与确认 (VV )要求尽量量化可能存在 [1-4] 的不确定性这一要求,因此在模型VV 领域具有独特的价值 。 然而,高斯过程响应面法本身及其应用在很多技术细节的处理上还存在分歧,不同处理方法可能产 生不同结果,这就给这种新方法在工程中的推广应用带来了障碍,需要从理论和应用两个层面开展深入 研究。我们从高斯过程响应面法的基本原理出发,采用理论分析和算例研究相结合的方法,探讨了其关 [5] [6] 键技术细节的合理处理方法 ,研究了其在不确定性分析中设计点的选择方法 、贝叶斯模型确认/参数 [7] 校准框架的进一步简化以及扩展 等问题。此外,还将高斯过程响应面法从简单标量输出情形扩展到更 一般的矢量和函数混合 (矢量函数)的复杂输出情形,进而与 “设计点”自适应加密方法相结合,形成 [8] 了一种在复杂工程结构数值模拟领域可以广泛应用的高效的代理模型技术 。 1) 国家自然科学基金委员会-中国工程物理研究院联合基金 资助项目 2) E-mail :liu_xinen@ 1 高斯过程响应面法原理和算例研究[5] 1.1 高斯过程响应面法基本原理 高斯过程响应面法基于贝叶斯统计学,其基本原理是将未知的确定性函数 (复杂数值模拟模型)视 为某随机函数 (随机过程)的一个实现,在获得数据以前所具有的各种可能性 (主观概率)用假设的某 先验分布来描述,在获得数据以后则用根据贝叶斯原理导出的后验分布来更新对其概率分布的认识 (不 确定性由于获得数据而减小)。 具体来说,记一个确定性的数值模拟模型为 ,其中,输入x 为矢量,输出 为标量 (可视 y (x ) y 为矢量的任意分量)。假设其先验分布是一个平稳高斯过程,即 2 2

文档评论(0)

sjatkmvor + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档