کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6784420 1432332 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Impacts of prior parameter distributions on Bayesian evaluation of groundwater model complexity
ترجمه فارسی عنوان
اثرات توزیع پارامترهای پیشین بر ارزیابی پیچیدگی مدل بنیادی بیزی
کلمات کلیدی
احتمال عدالت، احتمال احتمالی مدل، معادله پراکنش، مدل بی سیم موبایل مدل آبهای زیرزمینی،
ترجمه چکیده
این مطالعه از احتمال احتمال حاشیه و مدل خلفی بیزی برای ارزیابی پیچیدگی مدل برای جلوگیری از استفاده از مدل های بیش از حد پیچیده برای شبیه سازی های عددی استفاده کرد. این تمرکز بر بررسی اثرات توزیع پارامترهای پیشین (شامل محاسبه احتمال حاشیه) بر ارزیابی پیچیدگی مدل بود. ما استدلال می کنیم که توزیع پارامتر های پیشین باید فضای پارامتر که در آن شبیه سازی های عددی انجام می شود را تعریف کنیم. دیدگاه های جدید در مورد توزیع پارامتر پارامتر و احتمال خلفی مدل در نمونه ای از مدل سازی حمل و نقل حلال آب زیرزمینی با چهار مدل نشان داده شده است، هر کدام با شبیه سازی آزمایش های چهار ستون. این مدل ها از لحاظ ساختار مدل و تعداد پارامترهای کالیبراسیون سطوح پیچیده ای دارند. احتمال مدل خلفی برای چهار مورد با توزیع پارامترهای مختلف پیشین مورد بررسی قرار گرفت. در حالی که توزیع ها به طور قابل توجهی بر رتبه بندی مدل تاثیر گذاشتند، رتبه بندی مدل در هر مورد برای شرایط خاصی که در آن شبیه سازی عددی صورت گرفته بود، منطقی بود. برای ارزیابی پیچیدگی مدل، بنابراین لازم است فضاهای پارامتر برای مدل سازی را تعیین کنیم که می تواند با انجام شبیه سازی عددی و استفاده از قضاوت مهندسی بر اساس درک سیستم مورد مطالعه انجام شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
پیش نمایش مقاله
اثرات توزیع پارامترهای پیشین بر ارزیابی پیچیدگی مدل بنیادی بیزی
چکیده انگلیسی
This study used the marginal likelihood and Bayesian posterior model probability for evaluation of model complexity in order to avoid using over-complex models for numerical simulations. It focused on investigation of the impacts of prior parameter distributions (involved in calculating the marginal likelihood) on the evaluation of model complexity. We argue that prior parameter distributions should define the parameter space in which numerical simulations are made. New perspectives on the prior parameter distribution and posterior model probability were demonstrated in an example of groundwater solute transport modeling with four models, each simulating four column experiments. The models had different levels of complexity in terms of their model structures and numbers of calibrated parameters. The posterior model probability was evaluated for four cases with different prior parameter distributions. While the distributions substantially impacted model ranking, the model ranking in each case was reasonable for the specific circumstances in which numerical simulations were made. For evaluation of model complexity, it is thus necessary to determine the parameter spaces for modeling, which can be done by conducting numerical simulation and using engineering judgment based on understanding of the system being studied.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Water Science and Engineering - Volume 11, Issue 2, April 2018, Pages 89-100
نویسندگان
, , , , , , ,