A Frequentist Approach to Computer Model Calibration
计算机模型校准的频率学派方法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。
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：摘要讨论计算机模型与物理过程的校准，虽涉及可识别性，但没有经济结构估计或因果推断的直接证据。
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…
计算机模型校准的频率学派方法
- 研究问题
- 当计算机模型与物理现实之间存在未知偏差时，如何区分校准参数与偏差函数，并对相关数量进行可识别估计及不确定性评估？
- 方法与思路
- 作者建立含非参数偏差函数的半参数模型，提出新的可识别参数化，以两步程序估计相关数量，并采用自助法构造置信区域。
- 材料陈述的贡献
- 摘要称，新参数化处理了校准中的可识别性问题，两步估计具有良好收敛率且可用现有软件实现，并展示模拟与流体动力学应用。
- 阅读关注点
- 应核对新参数化如何定义校准目标、可识别性条件、两步估计的误差传递，以及自助置信区域的理论保证与实际覆盖率。
- 阅读边界
- 摘要未列明识别条件、具体速率或置信区域有效性条件，不能判断方法的普遍优势。解读限于所给Crossref摘要版本。
原文摘要
Summary The paper considers the computer model calibration problem and provides a general frequentist solution. Under the framework proposed, the data model is semiparametric with a non-parametric discrepancy function which accounts for any discrepancy between physical reality and the computer model. In an attempt to solve a fundamentally important (but often ignored) identifiability issue between the computer model parameters and the discrepancy function, the paper proposes a new and identifiable parameterization of the calibration problem. It also develops a two-step procedure for estimating all the relevant quantities under the new parameterization. This estimation procedure is shown to enjoy excellent rates of convergence and can be straightforwardly implemented with existing software. For uncertainty quantification, bootstrapping is adopted to construct confidence regions for the quantities of interest. The practical performance of the methodology is illustrated through simulation examples and an application to a computational fluid dynamics model.