ScholarGate
Asisten
Process / pipeline

Kuantifikasi Ketidakpastian — Polinomial Chaos dan Pengganti Kriging

Kuantifikasi Ketidakpastian (UQ) adalah kerangka kerja komputasi untuk mengukur secara sistematis bagaimana ketidakpastian dalam masukan model merambat menjadi ketidakpastian dalam keluarannya. Dibangun di atas teori chaos polinomial Wiener (1938) dan diformalkan untuk masalah stokastik umum oleh Xiu dan Karniadakis (2002), UQ menggunakan dua strategi utama: Ekspansi Chaos Polinomial (PCE), yang merepresentasikan keluaran model sebagai deret polinomial ortogonal yang disesuaikan dengan distribusi masukan, dan pengganti Kriging (proses Gaussian), yang menggantikan simulasi yang mahal dengan aproksimasi statistik cepat yang disesuaikan dengan sejumlah kecil dijalankan yang dipilih dengan cermat.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

+5 more

Sumber

  1. Xiu, D. & Karniadakis, G.E. (2002). The Wiener-Askey Polynomial Chaos for Stochastic Differential Equations. SIAM Journal on Scientific Computing, 24(2), 619–644. DOI: 10.1137/S1064827501387826
  2. Smith, R.C. (2013). Uncertainty Quantification: Theory, Implementation, and Applications. SIAM. ISBN: 978-1611973211

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). Uncertainty Quantification (Polynomial Chaos Expansion and Kriging Surrogate). ScholarGate. https://scholargate.app/id/simulation/uncertainty-quantification

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Dirujuk oleh

ScholarGateUncertainty Quantification (Uncertainty Quantification (Polynomial Chaos Expansion and Kriging Surrogate)). Diakses 2026-06-15 dari https://scholargate.app/id/simulation/uncertainty-quantification · Set data: https://doi.org/10.5281/zenodo.20539026