ScholarGate
Assistente
Process / pipeline

Quantificação de Incerteza — Caos Polinomial e Surrogate Kriging

Quantificação de Incerteza (UQ) é um arcabouço computacional para medir sistematicamente como a incerteza nas entradas de um modelo se propaga para incerteza em suas saídas. Baseando-se na teoria do caos polinomial de Wiener (1938) e formalizada para problemas estocásticos gerais por Xiu e Karniadakis (2002), UQ usa duas estratégias primárias: Expansão de Caos Polinomial (PCE), que representa a saída do modelo como uma série de polinômios ortogonais ajustados às distribuições de entrada, e surrogates Kriging (processo Gaussiano), que substituem uma simulação custosa por uma aproximação estatística rápida ajustada a um pequeno conjunto de execuções cuidadosamente escolhidas.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

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

+5 more

Fontes

  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

Como citar esta página

ScholarGate. (2026, June 1). Uncertainty Quantification (Polynomial Chaos Expansion and Kriging Surrogate). ScholarGate. https://scholargate.app/pt/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

Referenciado por

ScholarGateUncertainty Quantification (Uncertainty Quantification (Polynomial Chaos Expansion and Kriging Surrogate)). Recuperado em 2026-06-15 de https://scholargate.app/pt/simulation/uncertainty-quantification · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026