[論文レビュー] How to solve the stochastic partial differential equation that gives a Matérn random field using the finite element method

Haakon Bakka|arXiv (Cornell University)|Mar 10, 2018

Soil Geostatistics and Mapping参考文献 2被引用数 3

ひとこと要約

このチュートリアルでは、マトゥルン確率場を生成する確率的偏微分方程式（SPDE）を解くための有限要素法（FEM）アプローチを提示する。これにより、空間ベイズモデリングにおける精度行列の効率的計算が可能になる。FEMを用いてSPDEを離散化し、スパース行列代数を活用することで、マトゥルン場の逆分散構造を効率的に構築する。統計的応用における主な実装の洞察を明らかにする。

ABSTRACT

This tutorial teaches parts of the finite element method (FEM), and solves a stochastic partial differential equation (SPDE). The contents herein are considered "known" in the numerics literature, but for statisticians it is very difficult to find a resource for learning these ideas in a timely manner (without doing a year's worth of courses in numerics). The goal of this tutorial is to be pedagogical and explain the computations/theory to a statistician. This is not a practical tutorial, there is little computer code, and no data analysis.

研究の動機と目的

• 確率的偏微分方程式（SPDE）を扱う統計学者向けに、有限要素法（FEM）の教育的でアクセスしやすい導入を提供すること。
• SPDE $ k u - \nabla^2 u = \mathcal{W} $ をFEMで離散化し、マトゥルン確率場の精度行列を構築する方法を示すこと。
• 連続的なSPDEを弱形式と基底関数を用いて離散的線形系に変換するプロセスを説明すること。
• FEMを用いたスパース精度行列の構築と、確率的駆動項（例：ガウス白色ノイズ）の取り扱いをガイドすること。
• 実際のマトゥルン場の正確な表現のための実装上の考慮事項（メッシュ設計や境界条件など）を明確にすること。

提案手法

• 三角形メッシュ上での一次元有限要素（ハット関数）を用いて、SPDE $ k u - \nabla^2 u = f(x,y) $ を離散化し、解をベクトル $ \vec{u} $ として表現する。
• PDEに試験関数 $ v $ を乗じ、領域 $ \Omega $ で積分し、グリーンの恒等式を適用して2階微分項を除去することで、弱形式を導出する。
• 境界積分を除去するため、ノイマン境界条件（$ \nabla u \cdot \hat{n} = 0 $）を適用し、弱形式を $ k \int u v \, d\Omega + \int \nabla u \cdot \nabla v \, d\Omega = \int f v \, d\Omega $ に簡略化する。
• 弱形式を行列方程式 $ (k \mathbf{J} + \mathbf{D}) \vec{u} = \vec{f} $ の形に表現する。ここで $ \mathbf{J} $ と $ \mathbf{D} $ は、要素積分から得られる剛性行列と質量行列である。
• 確率的ケースでは、駆動項 $ f $ をスパース精度行列 $ Q_f $ を持つガウス白色ノイズとしてモデル化する。$ Q_f $ の対角成分は有限要素の面積に比例する。
• 解 $ \vec{u} $ の精度行列を $ Q_u = (k \mathbf{J} + \mathbf{D}) Q_f (k \mathbf{J} + \mathbf{D}) $ として構築し、スパース行列代数を用いた効率的な推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 有限要素法は、マトゥルン確率場を生成するSPDE $ k u - \nabla^2 u = \mathcal{W} $ をどのように離散化し、解くことができるか？
• RQ2 弱形式とグリーンの恒等式は、PDEを解ける線形系に変換する際に果たす役割は何か？
• RQ3 ノイマン境界条件はどのように適用され、なぜSPDEの離散化を簡略化するのか？
• RQ4 FEMの離散化とノイズの共分散構造から、マトゥルン場の精度行列はどのように構築されるか？
• RQ5 実際のマトゥルン場の範囲と滑らかさを正確に表現するためのメッシュ設計ルールは何か？

主な発見

• 有限要素法により、SPDE $ k u - \nabla^2 u = \mathcal{W} $ の効率的かつ安定した離散化が可能となり、高次元空間モデリングに適したスパース線形系が得られる。
• ノイマン境界条件を伴う弱形式により境界積分が除去され、系が $ (k \mathbf{J} + \mathbf{D}) \vec{u} = \vec{f} $ に簡略化され、スパース行列代数で解かれる。
• マトゥルン場の精度行列は $ Q_u = (k \mathbf{J} + \mathbf{D}) Q_f (k \mathbf{J} + \mathbf{D}) $ として計算され、$ Q_f $ は各要素の面積に比例するスパース対角行列である。
• $ Q_f $ の選択により、連続的な白色ノイズの分散が各有限要素の面積に等しくなることが保証され、一貫性のある離散化が可能になる。
• マトゥルン場の正確な表現を達成するためには、メッシュの最大辺長をマトゥルン場の範囲の1/10から1/5に設定し、予測位置を境界から少なくとも1/2から1の範囲に離す必要がある。
• この手法は、特にINLAフレームワークにおいて、空間ベイズモデルにおけるマトゥルン確率場の構築に計算的に効率的で数値的に安定したフレームワークを提供する。