[论文解读] Open TURNS: An industrial software for uncertainty quantification in simulation

Michaël Baudin, Anne Dutfoy+2 more|arXiv (Cornell University)|Jan 21, 2015

Simulation Techniques and ApplicationsDecision Sciences参考文献 28被引用 20

一句话总结

OpenTURNS 是一个开源、工业级的软件平台，用于复杂仿真框架中的不确定性量化（UQ），提供模块化、透明且多访问方式的概率UQ环境。它集成了先进的不确定性传播、敏感性分析和代理建模方法，并通过通用包装器与外部黑箱模型无缝耦合，显著降低了工程与科学领域中高保真度仿真中的计算负担。

ABSTRACT

The needs to assess robust performances for complex systems and to answer tighter regulatory processes (security, safety, environmental control, and health impacts, etc.) have led to the emergence of a new industrial simulation challenge: to take uncertainties into account when dealing with complex numerical simulation frameworks. Therefore, a generic methodology has emerged from the joint effort of several industrial companies and academic institutions. EDF R&D, Airbus Group and Phimeca Engineering started a collaboration at the beginning of 2005, joined by IMACS in 2014, for the development of an Open Source software platform dedicated to uncertainty propagation by probabilistic methods, named OpenTURNS for Open source Treatment of Uncertainty, Risk 'N Statistics. OpenTURNS addresses the specific industrial challenges attached to uncertainties, which are transparency, genericity, modularity and multi-accessibility. This paper focuses on OpenTURNS and presents its main features: openTURNS is an open source software under the LGPL license, that presents itself as a C++ library and a Python TUI, and which works under Linux and Windows environment. All the methodological tools are described in the different sections of this paper: uncertainty quantification, uncertainty propagation, sensitivity analysis and metamodeling. A section also explains the generic wrappers way to link openTURNS to any external code. The paper illustrates as much as possible the methodological tools on an educational example that simulates the height of a river and compares it to the height of a dyke that protects industrial facilities. At last, it gives an overview of the main developments planned for the next few years.

研究动机与目标

• 应对安全、安保和环境影响方面日益严格的监管要求所引发的工业领域对复杂仿真框架中不确定性量化与管理的迫切需求。
• 克服工业应用中领域专用、不透明且非通用的不确定性处理方法的局限性。
• 开发一个统一、开源且可扩展的软件平台，支持透明性、模块化、多访问性以及工业规模计算的不确定性量化。
• 通过通用包装器实现外部仿真代码（黑箱模型）与概率UQ工作流的无缝集成。
• 通过多种接口（Python、C++、GUI）和可扩展的计算能力，支持高性能计算环境，满足多样化的用户需求。

提出的方法

• 实现C++库和Python TUI（文本用户界面），兼顾底层性能与高层易用性。
• 支持广泛的概率方法，包括蒙特卡洛模拟、多项式混沌展开和随机配置法，用于不确定性传播。
• 集成先进的敏感性分析技术，如Sobol'指数和基于导数的方法，以量化输入对模型输出的影响。
• 通过克里金法和多项式混沌方法提供代理建模能力，降低昂贵仿真中的计算成本。
• 使用通用包装器（如DistributedPythonFunction）通过基于文件的数据交换与外部仿真代码接口连接，支持分布式和高性能计算。
• 支持与Salome平台及YACS、ParaVIS等工具的集成，实现工作流自动化和不确定性结果的原位可视化。

实验结果

研究问题

• RQ1 如何通过通用、开源的软件平台在多样化的工业与科学仿真领域中有效支持不确定性量化？
• RQ2 为确保工业UQ工作流中透明性、模块化和多访问性，需要哪些架构与算法特性？
• RQ3 如何高效利用高性能计算来减轻昂贵仿真模型中不确定性传播的计算负担？
• RQ4 克里金法和多项式混沌等代理建模技术在多大程度上可减少不确定性分析中所需的模型评估次数？
• RQ5 如何有效可视化和解释不确定性分析结果，特别是针对复杂仿真产生的大规模、高维数据？

主要发现

• OpenTURNS 成功支持了广泛的UQ任务，包括不确定性量化、传播、敏感性分析和代理建模，且在不同数值方法下均表现出一致可靠的性能。
• 该软件在高性能计算集群上实现了高效的不确定性传播，一项研究通过32个节点运行8000个CPU小时，完成了对计算成本高昂的核废料储存模型的6000次评估。
• OpenTURNS与Salome平台及YACS、ParaVIS等工具的集成，实现了工作流的自动化执行和高级可视化，包括不确定性数据的功能箱线图。
• 使用克里金法等代理模型可显著减少所需的模型评估次数，使昂贵仿真中的不确定性分析成为可能。
• 该软件的开源特性和LGPL许可促进了广泛采用，已集成至主要Linux发行版及Salome等工业平台。
• 持续开发聚焦于通过先进优化技术增强克里金法，并改进高容量不确定性数据的原位可视化，相关工作得到国家研究资助（ANR Chorus项目）支持。