在水利、环境、生态、机械以及航天等领域中,数学模型已经成为一种常用的技术手段。同时,为了提高模型的性能,减小模型误用带来的风险;模型的优化技术也被广泛用于模型的使用过程。模型参数的快速优化技术不但涉及到优化本身而且涉及采样设计、不确定性估计等方方面面。
【阅读原文链接】:
《基于R语言的水文、水环境模型优化技术及快速率定方法与多模型案例实践技术》
【内容介绍】:
一、最速上升法、岭分析以及响应曲面模型
1.最速上升路径
2.信赖域
3.响应面模型
4.二阶响应面
5.岭分析
二、Kriging插值与优化方法
1.普通Kriging插值与优化
2.一般Kriging插值与优化
3.协变量Kriging插值与优化
4.时间-空间Kriging插值与优化
5.Kriging方法与贝叶斯优化/高斯过程的关系
三、启发式算法
1.粒子群算法
2.遗传算法
3.模拟退火算法
4.启发式算法总结
四、采样方法
1.拉丁超立方采样
2.改进的LHS方法
3.最大-最小设计
五、高斯过程回归
1.高斯过程的先验
2.高斯过程超参数分析
3.与其它方法(贝叶斯线性回归、隐随机场等)的比较
六、基于模型的高斯过程/贝叶斯优化设计
1.最大熵设计
2.预测不确定性的最小化
3.序贯设计
4.快速高斯过程更新
七、最优化的快速化
1.代理模型下的最优化
2.期望改进
3.约束下的最优化
4.贝叶斯敏感性分析
八、高级高斯过程模型
1.紧支撑核方法
2.划分模型与回归树
3.高斯过程的局部逼近
九、异方差性
1.随机克里金方法
2.均值与方差耦合的高斯过程
3.序贯设计
十、综合案例
案例一:基于PSO算法的GR4J模型率定
案例二:基于PSO算法的SWAT模型率定
案例三:基于PSO算法的MOLDFLOW2005模型率定
案例四:基于贝叶斯优化的新安江模型快速率定
案例五:基于高斯过程代理模型的VIC模型率定
转载本文请联系原作者获取授权,同时请注明本文来自张晗科学网博客。
链接地址:https://wap.sciencenet.cn/blog-3548666-1397581.html?mobile=1
收藏