项目名称: 一种适用于高维问题的Co-kriging代理模型新方法研究

项目编号: No.10902088

项目类型: 青年科学基金项目

立项/批准年度: 2010

项目学科: 建筑科学

项目作者: 韩忠华

作者单位: 西北工业大学

项目金额: 22万元

中文摘要: Kriging代理模型是一种有望大大提高航空航天领域复杂设计问题效率的新方法。但对于高维气动分析与优化设计问题,kriging模型同样面临所需样本点多、计算量过大的困难。高维问题成为限制代理模型方法进一步应用的关键问题。本项目以适用于高维问题的代理模型为研究对象,在co-kriging模型基础上,通过引入低精度CFD数据以及求解"伴随方程"所获得的梯度信息,进行辅助预测,从而提出一种新的co-kriging模型- - 梯度增强的co-kriging模型。伴随方法求解梯度的计算量与变量数无关,适用于高维问题的梯度快速求解。通过发展引入梯度信息的co-kriging模型理论和方法,有望解决对高维问题建立高精度代理模型的困难,为飞机气动数据库生成和气动优化设计等相关研究提供一种比传统kriging模型更有效的代理模型方法。

中文关键词: 计算流体力学;kriging模型;cokriging模型;代理模型方法;伴随方法

英文摘要:

英文关键词: Computational Fluid Dynamics;kriging model;cokriging model;surrogate model;adjoint method

成为VIP会员查看完整内容
0

相关内容

【ICLR2022】Transformers亦能贝叶斯推断
专知会员服务
24+阅读 · 2021年12月23日
【博士论文】基于冲量的加速优化算法
专知会员服务
24+阅读 · 2021年11月29日
专知会员服务
47+阅读 · 2021年8月29日
专知会员服务
13+阅读 · 2021年8月28日
【CVPR2021】现实世界域泛化的自适应方法
专知会员服务
53+阅读 · 2021年3月31日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
【ICLR2022】Transformers亦能贝叶斯推断
专知
0+阅读 · 2021年12月23日
【博士论文】开放环境下的度量学习研究
专知
6+阅读 · 2021年12月4日
KoPL: 面向知识的推理问答编程语言
学术头条
1+阅读 · 2021年11月10日
不断发展的强化学习算法
TensorFlow
2+阅读 · 2021年5月20日
论文浅尝 | 利用 KG Embedding 进行问题回答
开放知识图谱
21+阅读 · 2019年7月7日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
【ICLR2022】Transformers亦能贝叶斯推断
专知会员服务
24+阅读 · 2021年12月23日
【博士论文】基于冲量的加速优化算法
专知会员服务
24+阅读 · 2021年11月29日
专知会员服务
47+阅读 · 2021年8月29日
专知会员服务
13+阅读 · 2021年8月28日
【CVPR2021】现实世界域泛化的自适应方法
专知会员服务
53+阅读 · 2021年3月31日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
相关资讯
【ICLR2022】Transformers亦能贝叶斯推断
专知
0+阅读 · 2021年12月23日
【博士论文】开放环境下的度量学习研究
专知
6+阅读 · 2021年12月4日
KoPL: 面向知识的推理问答编程语言
学术头条
1+阅读 · 2021年11月10日
不断发展的强化学习算法
TensorFlow
2+阅读 · 2021年5月20日
论文浅尝 | 利用 KG Embedding 进行问题回答
开放知识图谱
21+阅读 · 2019年7月7日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员