Core Concepts
Ein Stichprobenalgorithmus basierend auf modernen statistischen Maschinenlernmethoden wird vorgestellt, um bedingte nichtlineare optimale Störungen (CNOPs) zu erhalten, die sich von traditionellen (deterministischen) Optimierungsmethoden unterscheiden.
Abstract
In dieser Studie wird ein Stichprobenalgorithmus basierend auf modernen statistischen Maschinenlernmethoden vorgestellt, um bedingte nichtlineare optimale Störungen (CNOPs) zu berechnen. Im Gegensatz zu traditionellen (deterministischen) Optimierungsmethoden, die den Gradienten (Informationen erster Ordnung) numerisch berechnen müssen, was sehr rechenintensiv ist, reduziert der Stichprobenansatz den Gradienten auf den Funktionswert (Informationen nullter Ordnung) und vermeidet die Verwendung der Adjunktentechnik, die für viele Atmosphären- und Ozeanmodelle unbrauchbar ist und große Mengen an Speicherplatz erfordert.
Es wird eine intuitive Analyse des Stichprobenalgorithmus aus dem Gesetz der großen Zahlen präsentiert und eine Chernoff-artige Konzentrationsungleichung eingeführt, um den Grad zu charakterisieren, in dem der Stichprobendurchschnitt den exakten Gradienten probabilistisch approximiert.
Die Experimente werden durchgeführt, um die CNOPs für zwei numerische Modelle, die Burgers-Gleichung mit kleiner Viskosität und das Lorenz-96-Modell, zu erhalten. Es wird gezeigt, dass die mit den verschiedenen Ansätzen erhaltenen CNOPs in Bezug auf räumliche Muster, Zielfunktionswerte, Rechenzeiten und nichtlineares Fehlerwachstum nahezu konsistent sind, wobei die Rechenzeit unter Verwendung des Stichprobenansatzes mit weniger Stichproben extrem kürzer ist. Mit anderen Worten, der neue Stichprobenalgorithmus verkürzt die Rechenzeit maximal, ohne dabei viel an Genauigkeit einzubüßen.
Stats
Die Rechenzeit zur Berechnung der CNOPs mit dem Stichprobenansatz unter Verwendung von n = 5 Stichproben ist mehr als die Hälfte kürzer als die direkte Methode für die Burgers-Gleichung mit kleiner Viskosität.
Die Rechenzeit zur Berechnung der CNOPs mit dem Stichprobenansatz unter Verwendung von n = 5 Stichproben ist weniger als 1/3 der Zeit, die die direkte Methode für das Lorenz-96-Modell benötigt.
Quotes
"Der Stichprobenansatz reduziert den Gradienten direkt auf den Funktionswert (Informationen nullter Ordnung), was auch die Verwendung der Adjunktentechnik vermeidet, die für viele Atmosphären- und Ozeanmodelle unbrauchbar ist und große Mengen an Speicherplatz erfordert."
"Mit anderen Worten, der neue Stichprobenalgorithmus verkürzt die Rechenzeit maximal, ohne dabei viel an Genauigkeit einzubüßen."