本次演讲重点介绍了统计建模在更高效、更有效地进行复杂物理模型的敏感性分析和优化方面的应用。
物理模型通常非常复杂，因为它们代表的是现实情况，这使得灵敏度分析需要耗费大量资源，也使得模型优化极具挑战性，甚至可能根本无法实现。灵敏度分析涉及探索不同的场景，然后利用模型确定输入参数的最优值。这个过程通常并不简单，因为它需要对许多不同的参数组合运行模型。
近期项目凸显了利用统计技术（例如实验设计）选择代表性数据，基于物理模型输出构建代理模型的优势。随后，利用JMP中的预测分析器对代理模型进行灵敏度分析和优化。该功能能够集中探索实验空间，并有助于在相对较短的时间内解释不同参数之间的关系。这种方法已成功应用于原子模型和工程模型。
本次演示展示了如何在 JMP 中使用统计工具来最大限度地提高从复杂物理计算模型中获得的价值。
