liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Variance-based sensitivity analysis of model outputs using surrogate models
Linköpings universitet, Institutionen för datavetenskap, Statistik. Linköpings universitet, Filosofiska fakulteten.
Linköpings universitet, Institutionen för datavetenskap, Statistik. Linköpings universitet, Filosofiska fakulteten.
2008 (Engelska)Rapport (Övrigt vetenskapligt)
Abstract [en]

If a computer model is run many times with different inputs, the results obtained can often be used to derive a computationally cheaper approximation, or surrogate model, of the original computer code. Thereafter, the surrogate model can be employed to reduce the computational cost of a variance-based sensitivity analysis (VBSA) of the model output. Here, we draw attention to a procedure in which an adaptive sequential design is employed to derive surrogate models and estimate sensitivity indices for different subgroups of inputs. The results of such group-wise VBSAs are then used to select inputs for a final VBSA. Our procedure is particularly useful when there is little prior knowledge about the response surface and the aim is to explore both the global variability and local nonlinear features of the model output. Our conclusions are based on computer experiments involving the process-based river basin model INCA-N, in which outputs like the average annual riverine load of nitrogen can be regarded as functions of 19 model parameters.

Ort, förlag, år, upplaga, sidor
2008.
Serie
Technical Report-LiUIDA- STAT ; 1
Nyckelord [en]
Sensitivity analysis, surrogate models, experimental design, computational cost
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:liu:diva-17113OAI: oai:DiVA.org:liu-17113DiVA, id: diva2:201979
Tillgänglig från: 2009-03-06 Skapad: 2009-03-06 Senast uppdaterad: 2018-01-13Bibliografiskt granskad
Ingår i avhandling
1. Computer Experiments Designed to Explore and Approximate Complex Deterministic Models
Öppna denna publikation i ny flik eller fönster >>Computer Experiments Designed to Explore and Approximate Complex Deterministic Models
2008 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Abstract [en]

Computer experiments are widely used to investigate how technical, economic, and ecological systems respond to changes in inputs or driving forces. This thesis is focused on design of computer experiments that can help us better understand the output from complex computer code models. The major part of our work was devoted to experiments involving derivation and application of computationally cheaper surrogate models of a given computer code model. We developed an adaptive sequential design algorithm that efficiently reveals nonlinearities in the model output, and we integrated this algorithm with methods for predicting model outputs at untried inputs. Compared to the methods currently in use, our sequential design has the advantage of not requiring any prior information about the response of the investigated model output to changes in the inputs. Of special interest, we found that our algorithm works satisfactorily even if the curvature of the response surface varies strongly over the input domain. Variance-based sensitivity analysis is a well-established technique to elucidate model outputs, but it can become prohibitively expensive to implement because it requires numerous model runs. Surrogate models can facilitate such analysis, and if our sequential design algorithm is utilized, it can supply useful information about both linear and nonlinear responses to model inputs. Experiments involving repeated runs of a model of the flow of water and nitrogen through a river basin showed that our approach can be applied to extract the essence of complex deterministic models. In addition, our research showed that computationally inexpensive surrogate models offer an ideal basis for interactive decision support tools and learning processes, because they can provide almost immediate responses to user-defined model inputs.

Abstract [sv]

Datorexperiment används allmänt för att undersöka hur tekniska, ekonomiska och ekologiska system reagerar på förändringar i tillförsel eller drivkrafter. Denna avhandling är inriktad på datorexperiment som kan hjälpa oss att bättre förstå beräkningar baserade på komplicerade numeriska modeller som bara är definierade av en datorkod. Huvuddelen av vårt arbete ägnades åt experiment som innefattar härledning och tillämpning av beräkningsmässigt billiga s.k. surrogatmodeller som ger nästan samma resultat som ursprungsmodellen. Vi utvecklade en adaptiv sekventiell designalgoritm som effektivt avslöjar icke-linjära reaktioner på ändrad input till modellen, och vi integrerade denna algoritm med metoder för att prediktera modellens output för nya indata. Jämfört med de metoder som nu används har vår algoritm fördelen att den inte ställer några krav på förhandsinformation om modellens struktur. Speciellt noterade vi att den fungerar tillfredsställande även om olika delar av modellens responsyta har helt olika statistiska egenskaper. Varians-baserad känslighetsanalys är en väl etablerad teknik för att belysa modellers output, men den kan leda till höga datorkostnader eftersom den kräver många modellkörningar. Surrogatmodeller kan i sådana fall underlätta analysen. Om vår sekventiella designalgoritm utnyttjas, kan man desutom få viktig information om både linjära och icke-linjära effekter av förändringar i modellens indata. Experiment som innefattade upprepade körningar av en model för flödet av vatten och kväve genom ett avrinningsområde visade att man kan klarlägga det centrala i stora komplexa modeller. Dessutom visade vår forskning att beräkningsmässigt billiga surrogatmodeller erbjuder en idealisk grund för beslutstöd och lärandeprocesser, eftersom de kan ge en nästan omedelbar respons på de data som användaren matar in i modellen.

Ort, förlag, år, upplaga, sidor
Linköping: Linköpings universitet, 2008. s. 58 + papers 1-4
Serie
Linköping Studies in Arts and Science, ISSN 0282-9800 ; 423Linköping Studies in Statistics, ISSN 1651-1700 ; 9
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
urn:nbn:se:liu:diva-17115 (URN)978-91-7393-976-8 (ISBN)
Disputation
2008-02-29, Alan Turing, hus E, Campus Valla, Linköpings universitet, Linköping, 13:00 (Engelska)
Opponent
Handledare
Tillgänglig från: 2009-03-06 Skapad: 2009-03-06 Senast uppdaterad: 2018-01-13Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Link to Ph.D. Thesis

Person

Shahsavani, DavoodGrimvall, Anders

Sök vidare i DiVA

Av författaren/redaktören
Shahsavani, DavoodGrimvall, Anders
Av organisationen
StatistikFilosofiska fakulteten
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 188 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf