Appraisal of data-driven and mechanistic emulators of nonlinear simulators: The case of hydrodynamic urban drainage models

شناسایی سیستم، تجزیه و تحلیل حساسیت، بهینه سازی و کنترل، نیازمند تعداد زیادی از ارزیابی های مدل است. شبیه ساز دقیق برای این برنامه ها بسیار کند است. شبیه سازهای سریع یک راه حل برای این تقاضای کارایی را فراهم می کنند، که فورا دقت لازم برای سرعت را به خطر می اندازند. استراتژی های زیادی برای ایجاد شبیه سازها وجود دارد، اما انتخاب یکی از آنها همچنان ذهنی است. در اینجا کارایی دو نوع شبیه ساز را مقایسه می کنیم: شبیه سازهای مکانیکی که از معادلات شبیه ساز استفاده می کنند و شبیه سازهای صرفا با داده ها با استفاده از تقسیم بندی ماتریس. ما شبیه سازی ها را از مدیریت آب شهری قرض می دهیم، زیرا معیارهای عملکرد دقیق تر در آب و برق آب بندی یک ابزار حیاتی در این زمینه است. نتایج نشان می دهد که شبیه سازی داده های مبتنی بر ساده لوح شبیه سازی مکانیکی است. ما در مورد سناریوها صحبت می کنیم که در آن شبیه سازی مکانیکی به نظر می رسد مناسب برای برداشتن در زمان و برخورد با داده های نادرست و ناسازگار نمونه. ما همچنین به پیشرفت در یادگیری ماشین اشاره می کنیم که هنوز در جامعه علمی محیط زیست نفوذ نشده است.