用于不确定性分析高斯过程响应面模型设计点选择方法.docVIP

用于不确定性分析高斯过程响应面模型设计点选择方法 　　摘 要：为推动高斯过程响应面模型在复杂耗时数值模拟不确定性分析中的应用，提出一种可自动实现位置优化的高效设计点选择方法，即先在标准超立方体上生成拉丁超立方设计点，然后利用输入变量的已知概率分布将其映射回原始设计空间. 将该方法与基于假设均匀分布的传统拉丁超立方设计方法进行比较，探讨它们对所建立的高斯过程响应面模型和不确定性分析结果的影响.算例表明新方法具有一定优势. 　　关键词：不确定性分析； 蒙特卡罗方法； 高斯过程； 响应面模型 　　中图分类号：O212.8； O211.9 文献标志码：??A?? 　　Design point choice of Gaussian process response 　　surface model applied to uncertainty analysis 　　LIU Xin’en, XIAO Shifu, MO Jun 　　(Institute of Systems Engineering, China Academy of Engineering Physics, Mianyang 621900, Sichuan, China) 　　Abstract： An efficient method of design point choice is presented, which can automatically optimize the location of the points, to advance the application of Gaussian process response surface model to uncertainty analysis of the complex time-consuming numerical simulation. The method produces the design points in a standard Latin hypercube, and then maps them back to the original design space according to the known probability distribution of input variables. The method and the traditional Latin Hypercube Design method based on an assumed uniform distribution are compared and their effect on the established Gaussian process response surface model and uncertainty analysis result is discussed. An example indicates the advantage of the method. 　　Key words： uncertainty analysis; Monte Carlo method; Gaussian process; response surface model 　　0 引 言 　　工程中大多数复杂数值模拟虽然模型本身具有确定性，但某些输入可能存在不确定性（随机性或模糊性），由此产生的输出不确定性量化问题称为不确定性分析（或不确定性传播分析）.目前，最常用的不确定性分析方法是蒙特卡罗方法，其原理简单，普适性强，但对于非常耗时的复杂数值模拟来说，直接大量抽样和模拟不现实，必须先建立可快速计算的代理模型，如回归模型、神经网络模型以及径向基模型等. 　　近年来，一种基于贝叶斯原理的新型代理模型――高斯过程响应面模型正日益引起重视.它有三大优点：（1）灵活性好，属于非参数/半参数方法，易逼近高度非线性函数；（2）精度高，属于插值型方法，能通过所有已知数据点；（3）能量化自身不确定性，以后验分布形式描述.该模型虽然已在灵敏度分析［1］、不确定性分析［2］、参数校准或模型确认［3-4］方面得到应用，但其在先验期望函数形式选取、粗糙度参数取值等技术细节方面由于处理方式不同而可能导致产生不同结果，这仍时常困扰着使用者.刘信恩等［5］对上述不同处理方法产生的影响进行理论分析，并结合算例从计算简便性、数值稳定性和结果保守性等角度给出推荐处理方法，初步扫清该方法向实际工程应用推广的障碍.在此基础上，刘信恩等［6］进一步研究基于高斯过程响应面模型的贝叶斯参数校准或模型确认问题，提出一种更彻底的简化方法，不仅让工程分析人员更易理解和实现，且效果几乎不变，同时，数值更稳定、效率更高，进一步推动该方法走