局部降阶模型误差和维度的多元预测
摘要：多变量输入-输出模型用于预测本地参数Proper Orthogonal Decomposition降阶模型的误差和基本维度。我们将这些多变量映射称为MP-LROM模型。我们采用高斯过程和人工神经网络来构建这些多变量映射的近似。通过具有粘性Burgers模型的数值结果，我们展示了基于机器学习的回归MP-LROM模型近似参数本地降阶模型特征的性能和潜力。将预测的降阶模型误差与多保真度修正和降阶模型误差代理的方法进行比较，将预测的降阶模型维度与基于快照矩阵频谱的标准方法进行测试。由于MP-LROM模型结合了更多特征和元素来构建概率映射，因此能够实现更准确的结果。然而，在高维参数空间中，MP-LROM模型可能受到维度诅咒的影响。本研究还讨论了MP-LROM模型的可扩展性挑战以及解决这些挑战的可行方法。
作者：Azam Moosavi, Razvan Stefanescu, Adrian Sandu
论文ID：1701.03720
分类：Numerical Analysis
分类简称：cs.NA
提交时间：2017-01-16