Multi-fidelity surrogate modeling for time-series outputs
时间序列输出的多保真代理建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究数值程序的多保真代理与函数输出降维，时间序列仅为输出形式，未明确涉及所列经济计量细分的动态问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
时间序列输出的多保真代理建模
- 研究问题
- 复杂数值程序输出整条时间序列时，如何结合低保真与高保真运行结果构造代理模型，并反映输出基构造的不确定性？
- 方法与思路
- 作者基于实验设计构造输出展开基，前部系数采用协同克里金，后部系数联合采用协方差张量化克里金，形成高斯过程代理。
- 材料陈述的贡献
- 摘要称，纳入基构造不确定性的多保真代理模型，在预测误差与不确定性量化方面优于标准降维技术，具体比较数值未提供。
- 阅读关注点
- 应核对不同保真度之间的联系、展开系数的划分规则、张量协方差设定，以及基不确定性的传播方式和基准比较设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未说明数值程序、评价条件和改进幅度，不能推广其比较优势。
原文摘要
This paper considers the surrogate modeling of a complex numerical code in a multifidelity framework when the code output is a time series. Using an experimental design of the low-and high-fidelity code levels, an original Gaussian process regression method is proposed. The code output is expanded on a basis built from the experimental design. The first coefficients of the expansion of the code output are processed by a co-kriging approach. The last coefficients are collectively processed by a kriging approach with covariance tensorization. The resulting surrogate model taking into account the uncertainty in the basis construction is shown to have better performance in terms of prediction errors and uncertainty quantification than standard dimension reduction techniques.