针对响应曲面构建中模型不确定性问题,在组合建模方法的基础上,通过引入包容性检验,提出了基于包容性检验的稳健性组合建模方法(ensemble of surrogates based on encompassing test,ET-EOS)。首先,根据实际问题及各模型的特点确定子模...
详细信息
针对响应曲面构建中模型不确定性问题,在组合建模方法的基础上,通过引入包容性检验,提出了基于包容性检验的稳健性组合建模方法(ensemble of surrogates based on encompassing test,ET-EOS)。首先,根据实际问题及各模型的特点确定子模型集,进而构建各子模型;其次,采用包容性检验筛选子模型,以消除子模型间存在的冗余信息;然后对筛选出的子模型进行加权组合,以构建ET-EOS模型。基于包容性检验,提出了稳健的组合模型,解决了模型不确定下的响应曲面构建问题。最后,结合实际案例和仿真试验验证提出方法的有效性,结果表明此方法不仅改善了模型的预测性能及其稳健性能,而且通过筛选子模型减少了建模所需的工作量。
针对响应服从非正态分布和模型不确定性的稳健参数设计问题,在Polya树混合建模的框架下,构建了一种半参数分层贝叶斯响应曲面模型,并在此基础上实现了稳健参数设计。首先,建立贝叶斯半参数模型,并获得模型各参数的后验分布;其次,运用马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法获得各参数的估计值;然后,基于此构建期望质量损失函数,并利用混合遗传算法全局寻优,获得可控因子的最优设置;最后,通过数值模拟研究和实际案例验证了所提方法的有效性。所提方法能有效解决小样本数据以及模型不确定性对优化结果影响的问题,从而能够获得更稳健可靠的可控因子最优设置。
暂无评论