Process / pipeline
不确定性量化 — 多项式混沌与克里金代理模型
不确定性量化（UQ）是一个计算框架，用于系统地衡量模型输入中的不确定性如何传播到其输出中的不确定性。UQ建立在维纳的多项式混沌理论（1938年）基础上，并由Xiu和Karniadakis（2002年）推广到一般随机问题，它使用两种主要策略：多项式混沌展开（PCE），将模型输出表示为与输入分布匹配的正交多项式级数；以及克里金（高斯过程）代理模型，它用拟合少量精心选择的运行结果的快速统计近似来替代昂贵的模拟。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
来源
- 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 ↗
- Smith, R.C. (2013). Uncertainty Quantification: Theory, Implementation, and Applications. SIAM. ISBN: 978-1611973211
如何引用本页
ScholarGate. (2026, June 1). Uncertainty Quantification (Polynomial Chaos Expansion and Kriging Surrogate). ScholarGate. https://scholargate.app/zh/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.
- 贝叶斯优化优化↔ compare
- 全局敏感性分析仿真↔ compare
- 克里金空间插值空间分析↔ compare
- 拉丁超立方体采样仿真↔ compare
- 蒙特卡洛模拟决策↔ compare
- 随机微分方程 (SDEs)仿真↔ compare
- 基于代理的模型优化优化↔ compare
- 系统动力学仿真↔ compare
- 蒙特卡洛模拟的方差缩减技术仿真↔ compare