非评判性动态燃料循环基准比较
摘要：一种新的燃料循环基准分析方法的研究：耦合了在机器学习中广泛使用的高斯过程回归和在语音识别中广泛应用的动态时间扭曲，利用这两种技术生成适用于基准研究中任何时间序列指标的优劣指标。这些优劣指标考虑了指标本身的不确定性，利用了整个时间域的信息，并且不要求模拟器使用相同的时间网格。在这里，定义了一种距离度量，可以用于比较每个模拟器在给定指标下的性能。此外，从距离度量中导出了一种贡献度量，可以用于对燃料循环指标的重要性进行排序。最后，本文警告不要使用标准信号处理技术进行误差修正，因为发现高斯过程回归本身更适合处理误差修正。
作者：Anthony Michael Scopatz
论文ID：1511.09095
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2015-12-01