[论文解读] Multifidelity Computer Model Emulation with High-Dimensional Output: An Application to Storm Surge

Pulong Ma, Georgios Karagiannis+4 more|arXiv (Cornell University)|Sep 4, 2019

Tropical and Extratropical Cyclones Research被引用 5

一句话总结

本文提出了一种并行部分自回归协同克里金（PP cokriging）代理模型，通过多保真度计算机模型，高效预测大空间域内的高保真度风暴潮输出。通过利用低保真度和高保真度的ADCIRC模拟，该方法实现了与高保真度模型性能相当的精确、计算高效的预测，支持沿海洪水风险评估中的可扩展不确定性量化。

ABSTRACT

Hurricane-driven storm surge is one of the most deadly and costly natural disasters, making precise quantification of the surge hazard of great importance. Surge hazard quantification is often performed through physics-based computer models of storm surges. Such computer models can be implemented with a wide range of fidelity levels, with computational burdens varying by several orders of magnitude due to the nature of the system. The threat posed by surge makes greater fidelity highly desirable, however such models and their high-volume output tend to come at great computational cost, which can make detailed study of coastal flood hazards prohibitive. These needs make the development of an emulator combining high-dimensional output from multiple complex computer models with different fidelity levels important. We propose a parallel partial autoregressive cokriging model to predict highly-accurate storm surges in a computationally efficient way over a large spatial domain. This emulator has the capability of predicting storm surges as accurately as a high-fidelity computer model given any storm characteristics over a large spatial domain.

研究动机与目标

• 为解决在沿海洪水风险评估中高保真度风暴潮模拟带来的高计算成本问题。
• 开发一种代理模型，利用具有不同保真度水平的多保真度计算机模型，精确预测高维的风暴潮输出。
• 实现在大空间域（如美国西南佛罗里达）上的高效不确定性量化与概率性灾害分析。
• 通过用快速、精确的代理模型替代昂贵的高保真度模拟，支持业务化预报、风险评估和基础设施规划。
• 将计算机模型代理技术的应用扩展至具有非平稳空间和输入依赖关系的复杂高维环境系统。

提出的方法

• PP协同克里金模型采用并行、部分自回归结构，联合建模空间各位置的输出，提升计算可扩展性。
• 假设空间位置之间条件独立，从而实现可分离的协方差结构，在简化计算的同时捕捉非平稳空间模式。
• 该方法整合低保真度和高保真度的ADCIRC模拟，其中高保真度模型作为主输出，低保真度模型作为预测变量。
• 采用协同克里金框架建模低保真度与高保真度输出之间的差异，从而在较少昂贵模拟运行次数下实现对高保真度结果的精确代理。
• 该方法旨在处理输入空间和输出空间中的非平稳性，未来可扩展至树状高斯过程或子区域特定的相关性参数。
• 代理模型使用有限数量的模型运行进行训练，可通过序列设计或大规模近似方法进一步提升精度。

实验结果

研究问题

• RQ1 多保真度代理模型是否能在仅消耗高保真度模型几分之一计算成本的情况下，准确预测大空间域内高维的风暴潮输出？
• RQ2 与传统克里金法或单保真度代理相比，PP协同克里金模型在预测精度和计算效率方面有何改进？
• RQ3 该代理模型在多大程度上能够捕捉由异质地形和风暴特性驱动的非平稳空间模式与复杂风暴潮动力学？
• RQ4 如何将该代理模型扩展以支持具有不同相关性结构的空间位置或子区域的联合建模？
• RQ5 在多保真度代理中，使用非嵌套设计而非传统嵌套设计，其预测性能提升有多大？

主要发现

• PP协同克里金代理模型在将计算成本降低数个数量级的同时，实现了与高保真度ADCIRC模拟相当的预测精度。
• 由于其部分自回归结构，该方法即使在训练样本有限的情况下，也能有效捕捉风暴潮场中的非平稳空间模式。
• 该代理模型实现了对大范围沿海区域（如美国西南佛罗里达）的快速概率性灾害评估，支持基于风险的决策制定。
• 该方法计算可扩展，可扩展至具有独立相关性参数的子区域，增强了区域洪水研究的灵活性。
• 该模型在仅使用少量高保真度模拟的情况下，对不同风暴特征下的风暴潮预测表现出强劲性能。
• 未来扩展（如非嵌套设计或树状高斯过程）显示出进一步提升精度与适应性的潜力。