计算模型的元建模——挑战与机遇计算模型的元建模——挑战与机遇
Cy Wegman，科长； Bill Worley，MS，技术负责人 – 宝洁公司
复杂的计算机模拟对于当今许多产品和流程的预测模型的开发至关重要。 这些模型有其自身的挑战：随着模拟“实验”数量在一次一个的模拟环境中增长，对于专家用户来说，它们可能会变得计算成本高昂且耗时。 实验设计和元建模正被用来寻找这些问题的整体解决方案。 人们会认为，由于计算机模拟创建元模型的确定性，这就像从一根木头上掉下来一样容易。 我们的经验是，它更像是被木头击中。 找到一个最接近系统整体行为的模型非常困难。 传统智慧可能不会导致最好的整体元模型。 例如，精确拟合所有计算数据点的高斯过程模型将给出一个“好的”元模型。 然而，仔细检查折刀残差与实际图表明，残差数据看起来更像是随机实验中看到的噪声。 因此，在这种情况下，神经网络甚至响应曲面方法可能会产生比高斯方法更好的整体近似模型。 本次演讲将概述作为元建模一部分的挑战和机遇。
预测建模
