[논문 리뷰] On the approximation of the probability density function of the randomized heat equation

Julia Calatayud, J.‐C. Cortés외 1명|arXiv (Cornell University)|2018. 02. 08.

Advanced Mathematical Modeling in Engineering참고 문헌 13인용 수 3

한 줄 요약

이 논문은 확률적 확산 계수와 확률적 초기 조건을 갖는 랜덤화된 열 방정식의 해의 확률밀도함수(PDF)를 근사하기 위한 두 가지 새로운 접근법을 제안한다. 분리변수법을 사용하여 해는 랜덤 급수로 표현되며, 이는 랜덤 변수 변환(RVT)과 카르누니-로브 전개(KLE)를 통해 PDF가 근사되며, 약한 리프시츠 조건 하에서 이론적 수렴이 입증된다. 주요 기여는 근사 PDF들의 균일 코시 수열을 제공하며, 빠른 수렴과 분포 가정에 대한 강건성을 수치적으로 검증하였다.

ABSTRACT

In this paper we study the randomized heat equation with homogeneous boundary conditions. The diffusion coeffcient is assumed to be a random variable and the initial condition is treated as a stochastic process. The solution of this randomized partial differential equation problem is a stochastic process, which is given by a random series obtained via the classical method of separation of variables. Any stochastic process is determined by its finite-dimensional joint distributions. In this paper, the goal is to obtain approximations to the probability density function of the solution (the first finite-dimensional distributions) under mild conditions. Since the solution is expressed as a random series, we perform approximations of its probability density function. We use two approaches: broadly speaking, first, dealing with the random Fourier coefficients of the random series, and second, taking advantage of the Karhunen-Loeve expansion of the initial condition stochastic process. Finally, several numerical examples illustrating the potentiality of our findings with regard to both approaches are presented.

연구 동기 및 목표

• 불확실 매개변수를 갖는 랜덤화된 열 방정식의 해에 대한 첫 번째 유한차원 확률밀도함수를 신뢰할 수 있게 근사화하는 것.
• 확률적 편미분방정식의 해로 발생하는 확률적 과정의 PDF를 계산하는 데 도전하는 것, 특히 확률적 확산 계수와 확률적 초기 조건을 갖는 경우.
• 근사 PDF들이 균일하게 수렴하는 이론적 조건—특히 리프시츠 연속성—을 확립하는 것.
• 랜덤 푸리에 계수 기반 접근법과 KLE를 활용한 초기 조건의 전개 기반 접근법 간의 성능을 비교하는 것.
• 다양한 매개변수 설정에서 빠른 수렴과 강건성을 보여주는 수치 실험을 통해 이론적 결과를 검증하는 것.

제안 방법

• 랜덤화된 열 방정식의 해는 분리변수법을 통해 유도되며, 이는 랜덤 푸리에 계수를 포함하는 랜덤 급수 표현으로 나타난다.
• 랜덤 푸리에 계수에 랜덤 변수 변환(RVT) 기법을 적용하여 해의 PDF를 유도하며, 이는 합동 밀도와 변환의 리프시츠 연속성을 가정한다.
• 카르누니-로브 전개(KLE)를 사용하여 초기 조건의 확률적 과정을 상관이 없는 무한 랜덤 변수의 급수로 표현함으로써, 이러한 구성 요소의 변환을 통해 PDF 근사를 가능하게 한다.
• 이론적 수렴은 근사 PDF들이 균일하게 코시 수열을 이룬다는 것을 증명함으로써 확립되며, 이는 밀도 함수의 리프시츠 연속성과 같은 약한 가정 하에서 성립한다.
• 수렴 속도와 근사 PDF의 정확도를 평가하기 위해 몬테카를로 시뮬레이션과 L1-노름 비교를 활용한 수치 실험을 수행한다.
• 두 가지 다른 근사 전략을 구현하였다: 하나는 랜덤 급수를 잘라내고 계수에 RVT를 적용하는 방식(정리 2.8), 다른 하나는 초기 조건을 KLE로 표현하고 해당 계수에 변환을 적용하는 방식(정리 3.3).

실험 결과

연구 질문

• RQ1 랜덤화된 열 방정식의 해의 확률밀도함수는 어떤 조건에서 균일하게 수렴하는가?
• RQ2 RVT 기반 접근법과 KLE 기반 접근법은 수렴 속도와 정확도 측면에서 해의 PDF 근사에 대해 어떻게 비교되는가?
• RQ3 랜덤 매개변수의 밀도 함수에 대한 리프시츠 조건이 PDF 근사의 수렴을 보장하는 데 어떤 역할을 하는가?
• RQ4 제안된 방법은 비정규분포 및 유계 분포를 포함한 다양한 확률 분포에 대해 확률적 확산 계수와 초기 조건을 다룰 수 있는가?
• RQ5 이론적 수렴 프레임워크에서 리프시츠 조건이 필수적임을 뒷받침하는 수치적 증거는 무엇인가?

주요 결과

• 랜덤 매개변수의 밀도 함수에 대한 리프시츠 연속성과 같은 약한 가정 하에서 근사 PDF들이 균일하게 코시 수열을 이룬다는 것이 입증되었으며, 이는 이론적 수렴을 보장한다.
• 수치 실험 결과, RVT 기반 및 KLE 기반 접근법 모두 매우 유사한 결과를 도출하였으며, 연속된 근사 간의 L1-노름에서 빠른 수렴이 관찰되었다.
• 예제 4.1에서 (x,t) = (0.5,0.1)에서 연속된 PDF 근사 간의 L1-노름 차이는 약 0.00088로 감소하여 빠른 수렴을 나타낸다.
• 예제 4.2에서는 고차수 근사에서 L1-노름 차이가 10^-8 이하로 유지되어, 방법의 높은 정확도와 안정성을 확인한다.
• 예제 4.3은 리프시츠 조건이 없을 경우 PDF 근사가 수렴하지 않음을 수치적으로 보여주며, L1-노름 차이가 각각 0.19156과 1.86146로 나타나 이 조건의 필수성을 입증한다.
• 다양한 근사에서 해의 기대값과 분산은 각각 0과 0.100146에 매우 가까이 유지되어 통계적 모멘트의 일관성을 보여준다.