17、利用贝叶斯网络增强数值模拟的可解释性

利用贝叶斯网络增强数值模拟的可解释性

1. 数值模拟与可解释性需求

数值模拟，特别是有限元分析（FEA），最初源于航空航天工业，用于在进行昂贵的全尺寸实验之前验证飞机和航天器的设计。随着时间的推移，FEA在汽车和土木工程等行业也得到了广泛应用，如今在建筑设计和建造决策中发挥着关键作用。

尽管数值模拟方法和应用取得了显著进展，但将数值模拟输出转化为可用的见解仍然具有挑战性，这使得人类智能在设计过程中容易被忽视。在建筑设计中，人类控制至关重要，具体表现为理解模拟输入如何影响模拟输出。因此，需要一种方法来增强数值工具的可解释性，促进人类与计算机之间的有效合作。

2. 模拟元模型：统计方法

2.1 什么是元模型

数值计算机模拟模型通常很复杂，因此需要构建更简单的统计近似模型，即元模型。元模型是一种“模型的模型”，可以更高效地进行计算。

2.2 如何构建模拟元模型

构建模拟元模型通常涉及以下四个步骤：
1. 生成输入值配置 ：通过“实验设计”（DOE）方法确定输入值，常见的DOE策略包括经典因子设计和空间填充设计。
2. 运行模拟生成响应输出数据 ：在精心选择的输入配置下运行多次模拟。
3. 使用输入 - 输出数据拟合统计模型 ：选择合适的近似函数和拟合方法，将统计模型拟合到数据点。
4. 验证模型的稳健性 ：最常用的验证技术是交叉验证，通过计算均方根误差（RMSE）来评估模型的预测准确性。