[논문 리뷰] Data adaptation in HANDY economy-ideology model

Marcin Sendera|arXiv (Cornell University)|2019. 04. 08.

Probabilistic and Robust Engineering Design참고 문헌 64인용 수 3

한 줄 요약

이 논문은 Approximate Bayesian Computation (ABC)와 Supermodeling, 즉 동기화 기반 접근 방식을 비교하여 HANDY 경제-이념 모델을 위한 새로운 데이터 융합 프레임워크를 제안한다. 초현성 및 안정성 있는 시스템 모두에서 Supermodeling, 특히 가장 민감한 변수에 대해 동기화를 수행할 경우, 예측 정확도가 뛰어나며, 민감도 분석을 통해 결합 계수를 감소시켜 수렴 속도를 가속화함을 입증한다.

ABSTRACT

The concept of mathematical modeling is widespread across almost all of the fields of contemporary science and engineering. Because of the existing necessity of predictions the behavior of natural phenomena, the researchers develop more and more complex models. However, despite their ability to better forecasting, the problem of an appropriate fitting ground truth data to those, high-dimensional and nonlinear models seems to be inevitable. In order to deal with this demanding problem the entire discipline of data assimilation has been developed. Basing on the Human and Nature Dynamics (HANDY) model, we have presented a detailed and comprehensive comparison of Approximate Bayesian Computation (classic data assimilation method) and a novelty approach of Supermodeling. Furthermore, with the usage of Sensitivity Analysis, we have proposed the methodology to reduce the number of coupling coefficients between submodels and as a consequence to increase the speed of the Supermodel converging. In addition, we have demonstrated that usage of Approximate Bayesian Computation method with the knowledge about parameters' sensitivities could result with satisfactory estimation of the initial parameters. However, we have also presented the mentioned methodology as unable to achieve similar predictions to Approximate Bayesian Computation. Finally, we have proved that Supermodeling with synchronization via the most sensitive variable could effect with the better forecasting for chaotic as well as more stable systems than the Approximate Bayesian Computation. What is more, we have proposed the adequate methodologies.

연구 동기 및 목표

• HANDY와 같은 고차원 비선형 모델을 실제 세계 데이터에 적합시키는 데 도전하는 것.
• HANDY 모델에 대한 데이터 융합에서 Approximate Bayesian Computation (ABC)와 Supermodeling의 성능을 평가하고 비교하는 것.
• Supermodeling에서 결합 계수를 감소시키고 수렴 속도를 향상시키기 위해 민감도 기반 방법론을 개발하는 것.
• 특히 초현성 시스템에서 Supermodeling이 ABC보다 더 나은 예측 성능을 낼 수 있는지 확인하는 것.

제안 방법

• 민감도 정보를 반영한 사전 분포를 사용하여 HANDY 모델의 초기 매개변수를 추정하기 위해 Approximate Bayesian Computation (ABC)를 적용한다.
• 서브모델을 동기화를 통해 결합하여 Supermodeling을 구현하며, 안정성과 정확도를 향상시키기 위해 가장 민감한 변수에 중점을 둔다.
• 전역 민감도 분석을 통해 영향력이 큰 매개변수를 식별하고, 결합 계수의 수를 줄인다.
• 역사적 데이터를 사용하여 모델을 校정하고, 다양한 시스템 역학에서 ABC와 Supermodeling 간의 예측 성능을 비교한다.
• 동기화된 서브모델이 공동으로 시스템 행동을 대표하는 다중모델 앙상블 접근 방식을 활용한다.
• 초현성 및 안정성 있는 시스템 영역에서의 비교 예측을 통해 결과를 검증한다.

실험 결과

연구 질문

• RQ1 Supermodeling은 HANDY 경제-이념 모델의 예측 정확도에서 Approximate Bayesian Computation (ABC)를 능가할 수 있는가?
• RQ2 결합 계수의 민감도 기반 감소는 Supermodeling에서 수렴 속도와 예측 성능에 어떤 영향을 미치는가?
• RQ3 가장 민감한 변수에 대해 동기화를 수행할 경우, 초현성 및 안정성 있는 시스템 모두에서 예측 정확도가 향상되는가?
• RQ4 사전 지식이 제한된 상황에서 민감도 분석은 ABC의 매개변수 추정을 얼마나 향상시킬 수 있는가?
• RQ5 ABC와 달리 진정한 매개변수 값에 대한 완전한 지식 없이도 Supermodeling은 신뢰할 수 있는 예측을 달성할 수 있는가?

주요 결과

• 초현성 및 안정성 있는 시스템 모두에서 가장 민감한 변수를 통한 동기화를 수행한 Supermodeling이 ABC보다 더 높은 예측 정확도를 달성했다.
• 민감도 분석을 통해 결합 계수의 수를 성공적으로 감소시켜 Supermodeling의 수렴 속도를 크게 향상시켰다.
• 민감도 정보를 반영한 사전 분포를 사용한 ABC는 만족스러운 初기 매개변수 추정을 제공했지만, Supermodeling의 예측 성능를 따라잡지 못했다.
• 제안된 방법론은 동일한 데이터 융합 작업에 적용되었을 때 ABC와 비교해 유사한 예측 정확도를 달성하지 못했다.
• Supermodeling은 다양한 역학적 영역에서 강인하고 뛰어난 예측 능력을 보였으며, 모든 시험 시나리오에서 ABC를 능가했다.