作者= Yildiz Anil,胡赵Kowalski茱莉亚TITLE = Computationally-feasible不确定性量化在基于模型的滑坡风险评估杂志=地球科学前沿体积= 10年= 2023 URL = //www.thespel.com/articles/10.338雷竞技rebat9/feart.2022.1032438 DOI = 10.3389 /抽象feart.2022.1032438 ISSN = 2296 - 6463 =简介:增加复杂性和计算的能力,基于物理滑坡摆造型产生高效的基于模型的决策支持工具,如滑坡敏感性或跳动地图,或地质灾害风险评估。一个可靠的、健壮的、可再生的发展这样的工具需要全面量化的不确定性,存在在每一步计算工作流从输入数据,如地形或发布区,使用建模框架,例如数值误差。方法:从可靠性分析的方法,如点估计方法(PEM)或蒙特卡罗模拟(MCS)可用于研究的不确定性模型输出。虽然PEM需要较少的计算资源,它不捕获的所有细节确定的输出。MCS解决这个问题,但创建一个计算瓶颈。比较研究进行总结,提出了多个模拟滑坡跳动的合成和真实的测试用例,用于构造高斯过程仿真器作为代理模型来促进高通量的任务。结果:表明PEM和MCS提供类似的期望,而方差和偏态不同,在进行后期处理标量输出方面,如冲击面积或高度逐点地流。流的空间分布高度显然是受到不确定性量化方法的选择的影响。讨论:如果只期望要评估一个可以处理computationally-cheap PEM,然而MCS时必须使用高阶需要的时刻。在这种情况下基于物理机器学习技术,如高斯过程模拟,提供一个策略来解决计算瓶颈。它可以进一步建议computational-feasibility滑坡风险评估中使用的MCS可以显著提高了使用代理模型。还应该指出的是,在通过使用高斯过程仿真计算时间关键取决于所需要的计算工作量产生模拟的训练数据集进行仿真。