文献

J-GLOBAL ID：201702232833226735   整理番号：17A1559438

通気帯水文学的データのインバージョンのための減次モデリングと組み合わせた陰的サンプリング【Powered by NICT】

Implicit sampling combined with reduced order modeling for the inversion of vadose zone hydrological data

著者 (3件)： Liu Yaning (Earth & Environmental Sciences, Lawrence Berkeley National Laboratory, Berkeley, CA 94720, USA) ,  Pau George Shu Heng (Earth & Environmental Sciences, Lawrence Berkeley National Laboratory, Berkeley, CA 94720, USA) ,  Finsterle Stefan (Earth & Environmental Sciences, Lawrence Berkeley National Laboratory, Berkeley, CA 94720, USA)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 108  ページ： 21-32  発行年： 2017年 
JST資料番号： D0320B  ISSN： 0098-3004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多くの前進シミュレーションはパラメータの事後分布をサンプリングするとき必要とされることから,Bayes逆モデリング技術は計算的に高価である。本論文では,陰的サンプリング法と一般化された多項式カオス展開(gPCE)を結合Bayes逆モデリングを行う計算機コストを著しく低減した。はこの手法に三種類の段階である(1)決定論的手法を用いて尤度関数の最大を見出した。(2)限られた数の前進シミュレーションからの結果を用いたgPCEベース代理モデルを構築および(3)陰的サンプリング法を用いたパラメータの事後分布を効率的にサンプリングする。gPCEベース代理モデルを構築することのコストをさらに決定しなければならないことをgPCE係数の数を減らすためにスパースBayes学習を用いて減少した。TOUGH2によって模擬された合成湛水浸透実験のための手法を実証した。代用モデルは,飽和を予測し,尤度関数の予測における<0.25%で<0.035%であることを平均相対誤差で非常に正確である。提案法を用いて得られたパラメータの事後分布を完全モデルを用いた陰的サンプリング法またはMarkov連鎖Monte Carlo法から得られた結果とほとんど区別できなかった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *モデリング ,  Markov連鎖 ,  尤度関数 ,  シミュレーション ,  湛水 ,  *水文学 ,  透視図法
準シソーラス用語： Bayes学習 ,  代用モデル ,  決定論的方法 ,  逆モデリング ,  多項式カオス展開 ,  モデリング技術 ,  事後分布 ,  *通気帯 , 【Automatic Indexing@JST】

著者キーワード (6件)： 逆モデリング ,  陰的サンプリング ,  通気帯 ,  TOUGH2 ,  多項式カオス展開 ,  スパースBayes学習

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 通気帯 ,  水文学 ,  モデリング ,  サンプリング