[논문 리뷰] Global sensitivity analysis for models with spatially dependent outputs

Amandine Marrel, Bertrand Iooss외 3명|arXiv (Cornell University)|2009. 11. 06.

Probabilistic and Robust Engineering Design인용 수 3

한 줄 요약

이 논문은 공간적으로 종속된 출력을 가진 컴퓨터 모델을 대상으로, 웨이브렛 분해와 웨이브렛 계수의 가우시안 프로세스 모델링을 활용하여 소볼의 지수의 공간 맵을 최소한의 모델 평가로 추정하는 새로운 메타모델 기반의 전역 민감도 분석 방법을 제안한다. 이 방법은 공간 전반에 걸쳐 효율적이고 고해상도의 민감도 맵핑을 가능하게 하며, 수문지질학적 방사성 뉴클리드 이동 모델에서 검증되었다.

ABSTRACT

The global sensitivity analysis of a complex numerical model often calls for the estimation of variance-based importance measures, named Sobol' indices. Metamodel-based techniques have been developed in order to replace the cpu time-expensive computer code with an inexpensive mathematical function, which predicts the computer code output. The common metamodel-based sensitivity analysis methods are well-suited for computer codes with scalar outputs. However, in the environmental domain, as in many areas of application, the numerical model outputs are often spatial maps, which may also vary with time. In this paper, we introduce an innovative method to obtain a spatial map of Sobol' indices with a minimal number of numerical model computations. It is based upon the functional decomposition of the spatial output onto a wavelet basis and the metamodeling of the wavelet coefficients by the Gaussian process. An analytical example is presented to clarify the various steps of our methodology. This technique is then applied to a real hydrogeological case: for each model input variable, a spatial map of Sobol' indices is thus obtained.

연구 동기 및 목표

• 복잡한 환경 모델의 공간 분포 출력을 대상으로 한 전역 민감도 분석을 수행하는 데 도전하는 것.
• 공간 모델에서 분산 기반 민감도 지수를 위한 전통적인 몬테카를로 방법의 계산 부담을 완화하는 것.
• 모델 평가 횟수를 줄이면서도 민감도 측정의 공간 해상도를 유지하는 메타모델링 프레임워크를 개발하는 것.
• 모델 실행이 계산적으로 비용이 많이 드는 대규모 환경 시뮬레이션에서 실용적인 민감도 분석을 가능하게 하는 것.
• 기능 데이터 분석 기법을 통해 고전적 소볼의 지수를 공간 분포 출력으로 확장하는 것.

제안 방법

• 컴퓨터 모델의 공간 출력을 이산 웨이브렛 변환을 사용하여 웨이브렛 계수로 분해한다.
• 웨이브렛 계수를 가우시안 프로세스로 모델링하여 원래 모델의 빠르고 데이터 기반의 메타모델을 구축한다.
• 해석적 또는 몬테카를로 적분을 사용하여 각 웨이브렛 계수의 제1차 및 총 소볼의 지수를 추정한다.
• 민감도 측정의 역 웨이브렛 변환을 통해 공간 맵을 복원한다.
• 기능적 ANOANO 분해를 적용하여 출력의 분산을 개별 입력과 그 상호작용으로 기여도를 분할한다.
• 검증을 위해 사전 분석 함수(Campbell2D)와 실제 수문지질학 모델에 이 방법을 적용한다.

실험 결과

연구 질문

• RQ1 분산 기반 민감도 지수는 어떻게 공간 분포 출력으로 확장될 수 있는가?
• RQ2 메타모델링 접근법이 공간 민감도 분석을 위한 모델 평가 횟수를 크게 줄일 수 있는가?
• RQ3 웨이브렛 기반 기능 분해를 통해 추정된 소볼의 지수의 정확도와 공간 해상도는 어떠한가?
• RQ4 입력 변수들이 수문지질학적 이동 모델에서 모델 출력 분산의 공간 분포에 어떻게 영향을 미치는가?
• RQ5 제안된 방법은 복잡하고 고차원의 공간 출력을 가지는 다른 환경 모델로 일반화될 수 있는가?

주요 결과

• 웨이브렛-가우시안 프로세스 메타모델은 오직 100회의 모델 평가로도 정확한 공간 소볼의 지수 추정이 가능하여 계산 비용을 크게 감소시킨다.
• 분석적 Campbell2D 함수의 경우, 주요 입력(X₁, X₂, X₄, X₆, X₈)을 정확히 식별하고 기대되는 민감도의 공간 패턴을 재현한다.
• 실제 수문지질학 사례에서는 소볼의 지수의 공간 맵이 투과도 및 초기 농도와 같은 입력 매개변수가 특정 영역에서 오염물질 확산의 이동에 중대한 영향을 미친다는 것을 드러낸다.
• 총 민감도 지수(ST_i)는 특히 농도 기울기가 높은 영역에서 입력 간 상호작용의 기여가 무시할 수 없음을 보여준다.
• 이 방법은 입력과 공간 출력 간의 비선형적이고 비단조선적 관계를 정확히 포착하여, 복잡한 환경 모델에 대한 적용 가능성을 입증한다.
• 이 방법은 민감도를 공간 전반에 걸쳐 직접 시각화할 수 있게 하여 위험 평가 및 모델 校正에 실질적인 통찰을 제공한다.