基于代理模型的物理信息多保真克里金法：面向数字孪生的事故容忍燃料仿真路径
摘要：基于高斯过程（GP）的代理模型具有捕捉数字孪生框架中建模和仿真组件中的限定数据、缺乏数据、缺失数据和数据不一致性（嘈杂/错误数据）引起的异常的固有能力，在事故耐受燃料（ATF）概念中特别有效。然而，当我们只有有限的高精度（实验）数据时，GP的准确性不会很高。此外，将高维函数（> 20维函数）应用于使用GP近似预测是具有挑战性的。此外，含有噪声数据或包含错误观察和异常值的数据是高级ATF概念的主要挑战。此外，对于较长期的ATF候选者，其主导微分方程是经验性的，数据可用性是一个问题。对于识别和预测所需材料特性，基于物理信息的多保真Kriging（MFK）方法是有用的。MFK在近似物理和有限高精度数据（对于ATF候选者而言数据有限）的情况下特别有用。本章研究了该方法并介绍了其在ATF的实验热导率测量数据中的应用。MFK方法显示了对于一小部分无法由传统Kriging方法建模的数据的重要性。使用该方法构建的数学模型可以轻松地与后期分析（如不确定性量化和敏感性分析）相连接，并可应用于基础研究和各种产品开发领域。本章的总体目标是展示可以嵌入ATF数字孪生系统的MFK代理模型的能力。
作者：Kazuma Kobayashi, James Daniell, Shoaib Usman, Dinesh Kumar, Syed Alam
论文ID：2210.07164
分类：Computation
分类简称：stat.CO
提交时间：2022-11-07