Bayes Linear Calibrated Prediction for Complex Systems
复杂系统的贝叶斯线性校准预测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：摘要的预测对象是物理系统，未提供归入宏观预测或其他所列经济计量细分领域的依据。
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…
关注这篇论文的作者
复杂系统的贝叶斯线性校准预测
- 研究问题
- 对于计算成本高、维度复杂的物理系统模拟器，如何结合真实系统观测与模拟输出进行校准，并预测系统行为？
- 方法与思路
- 作者利用系统观测和与其较匹配的参数设置下的模拟结果，实施贝叶斯线性调整，并以大西洋温盐环流崩溃为示例。
- 材料陈述的贡献
- 摘要称，该校准预测方法可用于全贝叶斯分析难以实施的复杂高维系统，为昂贵模拟器提供一种可应用的预测途径。
- 阅读关注点
- 应核对匹配参数设置的筛选、贝叶斯线性调整所需的矩信息，以及模拟器误差、校准不确定性和预测误差的处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；计算成本、误差处理和预测表现未说明，不能将物理系统示例归为宏观经济预测证据。
原文摘要
A calibration-based approach is developed for predicting the behavior of a physical system that is modeled by a computer simulator. The approach is based on Bayes linear adjustment using both system observations and evaluations of the simulator at parameterizations that appear to give good matches to those observations. This approach can be applied to complex high-dimensional systems with expensive simulators, where a fully Bayesian approach would be impractical. It is illustrated with an example concerning the collapse of the thermohaline circulation (THC) in the Atlantic Ocean.