計算模型的元建模——挑戰與機遇計算模型的元建模——挑戰與機遇
Cy Wegman，科長； Bill Worley，MS，技術負責人 – 寶潔公司
複雜的計算機模擬對於當今許多產品和流程的預測模型的開發至關重要。 這些模型有其自身的挑戰：隨著模擬“實驗”數量在一次一個的模擬環境中增長，對於專家用戶來說，它們可能會變得計算成本高昂且耗時。 實驗設計和元建模正被用來尋找這些問題的整體解決方案。 人們會認為，由於計算機模擬創建元模型的確定性，這就像從一根木頭上掉下來一樣容易。 我們的經驗是，它更像是被木頭擊中。 找到一個最接近系統整體行為的模型非常困難。 傳統智慧可能不會導致最好的整體元模型。 例如，精確擬合所有計算數據點的高斯過程模型將給出一個“好的”元模型。 然而，仔細檢查折刀殘差與實際圖表明，殘差數據看起來更像是隨機實驗中看到的噪聲。 因此，在這種情況下，神經網絡甚至響應曲面方法可能會產生比高斯方法更好的整體近似模型。 本次演講將概述作為元建模一部分的挑戰和機遇。
預測建模
