Computer simulation models generall

Computer simulation models generally contain model parameters that cannot be measured directly but can only be inferred by calibration, a trial-and-error process that adjusts the parameter values to fit the model simulation outputs to the observations of the real system (Duan et al., 1994). Model calibration problem can be converted to a global optimization problem which aims to minimize the difference between model simulations and corresponding observations. Duan et al., 1992, Duan et al., 1993 and Duan et al., 1994 developed a widely used global optimization procedure, entitled the shuffled complex evolution (SCE-UA) algorithm. Many case studies have demonstrated that SCE-UA algorithm is an effective and efficient method for model calibration (Sorooshian et al., 1993, Gan and Biftu, 1996, Hogue et al., 2000, Boyle et al., 2000 and Moreno et al., 2012). However, global optimization methods generally require up to tens of thousands of model runs to find the global optimal solution. This may place severe computational constraint on solving such an optimization problem, if the underlying model requires a large amount of CPU time to run. One approach to reduce the computational burden is to approximate and replace the expensive simulation model with a cheaper-to-run surrogate model. There are two broad families of surrogates: (1) response surface surrogates, which are statistical or empirical data-driven models emulating the responses of a high-fidelity simulation model; and (2) lower-fidelity physical based surrogates, which are simplified models of the original system (Razavi et al., 2012b). In this study, we focus on the former one (referred as surrogate model hereafter). Some fields also refer to the surrogate modeling as function approximation, meta-modeling, response surface method, or model emulation (Blanning, 1975 and O'Hagan, 2006).

ผลลัพธ์ (ไทย) 1:

กระบวนการทดลองผิดพลาดที่ปรับค่าพารามิเตอร์ให้เหมาะกับการจำลองแบบจำลอง แบบจำลองคอมพิวเตอร์โดยทั่วไปประกอบด้วยพารามิเตอร์ของแบบจำลองที่ไม่สามารถวัดได้โดยตรง แต่สามารถสรุปได้ โดยเทียบเท่า แสดงผลการสังเกตการณ์ของระบบจริง (Duan et al., 1994) ปัญหาการปรับเทียบแบบจำลองสามารถแปลงปัญหาประสิทธิภาพสูงสุดของโลกซึ่งมีวัตถุประสงค์เพื่อลดความแตกต่างระหว่างแบบจำลองและการสังเกตการณ์ที่สอดคล้องกัน ด้วน et al., 1992, al. et ด้วน 1993 และด้วน et al., 1994 พัฒนากระบวนการปรับใช้อย่างกว้างขวางทั่วโลก ได้รับอัลกอริทึมแบบสลับซับซ้อนวิวัฒนาการ (SCE-UA) หลายกรณีศึกษาได้แสดงว่า SCE UA อัลกอริทึมเป็นวิธีที่มีประสิทธิภาพ และการปรับเทียบแบบจำลอง (Sorooshian et al., 1993 ย่านและ Biftu, 1996, Hogue et al., 2000, al. Moreno ร้อยเอ็ด 2012 และบอยล์และ al., 2000) อย่างไรก็ตาม วิธีการเพิ่มประสิทธิภาพของส่วนกลางโดยทั่วไปต้องถึงหมื่นรุ่นรันหาโซลูชันสูงสุดทั่วโลก นี้อาจวางข้อจำกัดคอมพิวเตอร์รุนแรงในการแก้ไขเช่นการปรับปัญหา ถ้าแบบต้นแบบต้องการจำนวนมากเวลาที่ CPU จะทำงาน วิธีหนึ่งเพื่อลดภาระการคำนวณเป็นการประมาณ และแทนแบบจำลองที่มีราคาแพง ด้วยแบบตัวแทนถูกกว่าการรัน มีครอบครัวสองกว้างของ surrogates: surrogates ซึ่งเป็นสถิติพื้นผิวตอบสนอง (1) หรือประจักษ์ขับเคลื่อนข้อมูลรุ่น emulating การตอบสนองของแบบจำลองคุณภาพสูง และ (2) ต่ำกว่าคุณภาพจริงตาม surrogates ซึ่งเป็นภาษาของระบบเดิม (Razavi et al., 2012b) ในการศึกษานี้ เรามุ่งเน้นในอดีตหนึ่ง (เรียกว่าได้ที่เป็นตัวแทนรุ่นโดย) ฟิลด์บางฟิลด์ยังหมายถึงตัวแทนที่เป็นฟังก์ชันประมาณ modeling meta- การสร้างแบบจำลองวิธีการพื้นผิวตอบสนอง หรือแบบจำลอง (Blanning, 1975 และ O'Hagan, 2006)

ผลลัพธ์ (ไทย) 2:

แบบจำลองคอมพิวเตอร์โดยทั่วไปมีพารามิเตอร์รูปแบบที่ไม่สามารถวัดได้โดยตรง แต่สามารถสรุปโดยการสอบเทียบกระบวนการทดลองและข้อผิดพลาดที่ปรับค่าพารามิเตอร์เพื่อให้พอดีกับเอาท์พุทแบบจำลองการสังเกตของระบบจริง (ด้วนและคณะ , 1994) ปัญหาการสอบเทียบรุ่นสามารถแปลงเป็นปัญหาเพิ่มประสิทธิภาพของโลกซึ่งมีจุดมุ่งหมายเพื่อลดความแตกต่างระหว่างการจำลองรูปแบบและข้อสังเกตที่สอดคล้องกัน ด้วน et al., 1992 ด้วน et al., 1993 และด้วน et al., 1994 การพัฒนาขั้นตอนการเพิ่มประสิทธิภาพการใช้กันอย่างแพร่หลายทั่วโลกสิทธิวิวัฒนาการที่ซับซ้อนสับ (SCE-UA) อัลกอริทึม กรณีศึกษาหลายคนได้แสดงให้เห็นว่าอัลกอริทึม SCE-UA เป็นวิธีที่มีประสิทธิภาพและมีประสิทธิภาพสำหรับการสอบเทียบแบบจำลอง (Sorooshian et al., 1993, กานและ Biftu, 1996 Hogue et al., 2000 Boyle et al., 2000 และเรโนและคณะ ., 2012) อย่างไรก็ตามวิธีการเพิ่มประสิทธิภาพของโลกโดยทั่วไปต้องขึ้นไปนับหมื่นของรูปแบบการทำงานที่จะหาทางออกที่ดีที่สุดของโลก นี้อาจวางข้อ จำกัด ในการคำนวณอย่างรุนแรงในการแก้ปัญหาเช่นการเพิ่มประสิทธิภาพถ้ารูปแบบพื้นฐานต้องใช้จำนวนมากของเวลา CPU เพื่อให้ทำงานได้ วิธีการหนึ่งที่จะช่วยลดภาระการคำนวณเป็นให้ใกล้เคียงและแทนที่แบบจำลองที่มีราคาแพงที่มีราคาถูกกว่าการทำงานแบบตัวแทน มีสองครอบครัวในวงกว้างของอุ้มท้องคือ (1) อุ้มท้องพื้นผิวตอบสนองซึ่งเป็นแบบจำลองทางสถิติหรือเชิงประจักษ์ที่ขับเคลื่อนด้วยข้อมูลที่ลอกเลียนแบบการตอบสนองของความจงรักภักดีสูงแบบจำลอง; และ (2) ทางกายภาพที่ต่ำกว่าความจงรักภักดีอุ้มท้องตามซึ่งมีรูปแบบที่เรียบง่ายของระบบเดิม (Razavi et al., 2012b) ในการศึกษาครั้งนี้เรามุ่งเน้นไปที่หนึ่งในอดีต (เรียกว่าเป็นรูปแบบต่อไปนี้แทน) บางสาขายังหมายถึงการสร้างแบบจำลองเป็นตัวแทนประมาณฟังก์ชั่น, เมตาการสร้างแบบจำลองวิธีพื้นผิวตอบสนองหรือการจำลองรูปแบบ (Blanning 1975 และเฮอแกน 2006)

ผลลัพธ์ (ไทย) 3:

แบบจำลองทางคอมพิวเตอร์โดยทั่วไปมีพารามิเตอร์ที่ไม่สามารถวัดได้โดยตรงแต่สามารถสรุปโดยการสอบเทียบการทดลองและข้อผิดพลาดในกระบวนการปรับค่าพารามิเตอร์ให้เหมาะสมกับแบบจำลองผลเพื่อสังเกตระบบจริง ( ต้วน et ไหม al . , 1994 )ปัญหาการสอบเทียบแบบจำลองที่สามารถแปลงเป็นปัญหาระดับโลกที่เหมาะสมซึ่งมีวัตถุประสงค์เพื่อลดความแตกต่างระหว่างแบบจำลองเชิงและการสังเกตที่สอดคล้องกัน ด้วนและ  al . , 1992 ด้วน et ไหม al . , 1993 รึเปล่าอะไรด้วนและ และคณะ ปี 1994 พัฒนาใช้กันอย่างแพร่หลายทั่วโลกเพิ่มประสิทธิภาพกระบวนการ เรื่องสับซับซ้อนวิวัฒนาการ ( sce-ua ) ขั้นตอนวิธีหลายกรณีศึกษาพบว่าขั้นตอนวิธี sce-ua ที่มีประสิทธิภาพและวิธีที่มีประสิทธิภาพสำหรับการสอบเทียบแบบจำลอง ( sorooshian et ไหม al . , 1993 , กัน และ biftu , 1996 , โฮก et ไหม al . , 2000 , Boyle และ  al . , 2000 และ Moreno และอะไรรึเปล่าทำไม al . , 2012 ) อย่างไรก็ตาม วิธีการเพิ่มประสิทธิภาพของโลกโดยทั่วไปต้องใช้ถึงหมื่น แบบวิ่งหาทางออกที่ดีที่สุดของโลกนี้อาจเกิดขึ้นได้อย่างรุนแรงในการแก้ปัญหา เช่น การเพิ่มประสิทธิภาพการคำนวณ ปัญหา ถ้า พื้นฐาน แบบต้องใช้จำนวนมากของเวลา CPU วิ่ง วิธีการหนึ่งที่จะลดภาระการคำนวณเพื่อประมาณและแทนที่แบบจำลองแพงด้วยถูกกว่า วิ่งแบบเป็นตัวแทน มีสองครอบครัวของตัวแทน ( 1 ) ตัวแทนพื้นผิวตอบสนองซึ่งเป็นสถิติหรือเชิงประจักษ์ - รุ่นเลียนแบบการตอบสนองของโมเดลจำลองความจงรักภักดีสูง และ ( 2 ) ลดความจงรักภักดีทางกายภาพจากตัวแทน ซึ่งเป็นรุ่นที่ง่ายของระบบเดิม ( ซัน ราซาวีไหม , et อัล 2012b ) ในการศึกษานี้เรามุ่งเน้นที่อดีตหนึ่ง ( เรียกว่าตัวแทนรุ่นต่อจากนี้ ) บางสาขายังอ้างถึงตัวแทนเป็นแบบจำลองการประมาณค่าฟังก์ชันเมตาโมเดล วิธีการตอบสนองที่พื้นผิว หรือ แบบจําลอง ( blanning , 1975 และ o'hagan    2006 )