Lasso蒙特卡洛：一种用于高维不确定性量化的多保真方法变体
摘要：通过结合Lasso代理模型和多保真度蒙特卡罗技术，我们提出了一种新的技术，称为Lasso蒙特卡罗（LMC），以减少计算成本的前提下，在高维环境中进行不确定性量化（UQ）。我们为该方法提供了无偏性的数学保证，并表明LMC可能比简单的蒙特卡罗方法更准确。我们对玩具问题进行了基准测试，并在核工程领域的一个真实UQ示例上进行了数值测试。在所有的示例中，LMC比简单蒙特卡罗和其他多保真度方法更准确。在相关情况下，LMC将计算成本减少了超过5倍。
作者：Arnau Alb`a, Romana Boiger, Dimitri Rochman, Andreas Adelmann
论文ID：2210.03634
分类：Computation
分类简称：stat.CO
提交时间：2023-09-01