Gaussian 프로세스 기반 함수형 출력 민감도 분석에서의 추정 및 모델 오류 평가

초록

본 논문은 함수형 출력 모델의 전역 민감도 분석(GSA)에서 발생하는 메타모델링 오류와 Pick‑Freeze(PF) 추정 오류를 Gaussian Process(GP) 프레임워크 내에서 효율적으로 추정하는 알고리즘을 제안한다. Basis‑expansion을 이용해 차원을 축소한 뒤, 소수의 베이스 계수를 GP로 모델링하고 다중 조건부 GP 궤적을 샘플링함으로써 Sobol 지수와 Generalized Sensitivity Index(GSI)의 오류를 동시에 추정한다. 실험 결과, 기존 방법 대비 약 15배의 계산 시간 절감 효과를 확인하였다.

상세 분석

이 연구는 함수형 출력 모델이 고차원 출력 벡터를 갖는 상황에서 전통적인 GSA 절차가 안고 있는 두 가지 주요 오류, 즉 메타모델링 오류와 PF 추정 오류를 동시에 정량화하려는 시도이다. 기존의 Le Gratiet et al.