基于核主成分分析的多输出模型确认方法

摘要：

目前对于不确定性环境下多个相关的复杂计算模型进行确认的方法存在计算困难及稳定性较差的问题.针对这类复杂计算模型,提出了一种新的基于核主成分分析(KPCA)的多输出模型确认方法.该方法将核主成分分析与面积法的思想相结合,构造了一个新的易于计算且稳定性高的模型确认指标.所提方法通过核主成分分析将相关的输出变量转化为不相关的核主成分,再对每一核主成分进行模型与实验的对比,从而避免了传统多输出模型确认方法中需要求解多个输出的联合累积分布函数的困难.由于核主成分分析(PCA)方法能够有效提取分析对象的非线性成分,因此基于核主成分分析的多输出模型确认方法较基于主成分分析的模型确认方法更为稳定,这表现在相同的实验样本数据下核主成分分析的方法具有更低的出错率.另外核主成分分析通过核主成分提取,可以实现多输出模型的降维,从而降低多输出模型确认的复杂度.所提方法既可以用于一般的多输出模型的确认,也可以用于多确认点的输出模型的确认.最后通过数值算例和工程算例证明了该方法的正确性与有效性.

关键词：模型确认、多输出、相关性、核主成分分析(KPCA)、面积指标

所属期刊栏目：43

分类号：O212.4;TP391.9(概率论与数理统计)

在线出版日期：2017-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1470-1480