Galetzka, Armin ; Loukrezis, Dimitrios ; Georg, Niklas ; De Gersem, Herbert ; Römer, Ulrich (2023)
An hp‐adaptive multi‐element stochastic collocation method for surrogate modeling with information re‐use.
In: International Journal for Numerical Methods in Engineering, 2023, 124 (12)
doi: 10.26083/tuprints-00024293
Artikel, Zweitveröffentlichung, Verlagsversion
Es ist eine neuere Version dieses Eintrags verfügbar. |
Kurzbeschreibung (Abstract)
This article introduces an hp‐adaptive multi‐element stochastic collocation method, which additionally allows to re‐use existing model evaluations during either h‐ or p‐refinement. The collocation method is based on weighted Leja nodes. After h‐refinement, local interpolations are stabilized by adding and sorting Leja nodes on each newly created sub‐element in a hierarchical manner. For p‐refinement, the local polynomial approximations are based on total‐degree or dimension‐adaptive bases. The method is applied in the context of forward and inverse uncertainty quantification to handle non‐smooth or strongly localized response surfaces. The performance of the proposed method is assessed in several test cases, also in comparison to competing methods.
Typ des Eintrags: | Artikel |
---|---|
Erschienen: | 2023 |
Autor(en): | Galetzka, Armin ; Loukrezis, Dimitrios ; Georg, Niklas ; De Gersem, Herbert ; Römer, Ulrich |
Art des Eintrags: | Zweitveröffentlichung |
Titel: | An hp‐adaptive multi‐element stochastic collocation method for surrogate modeling with information re‐use |
Sprache: | Englisch |
Publikationsjahr: | 10 November 2023 |
Ort: | Darmstadt |
Publikationsdatum der Erstveröffentlichung: | 2023 |
Ort der Erstveröffentlichung: | Chichester |
Verlag: | John Wiley & Sons |
Titel der Zeitschrift, Zeitung oder Schriftenreihe: | International Journal for Numerical Methods in Engineering |
Jahrgang/Volume einer Zeitschrift: | 124 |
(Heft-)Nummer: | 12 |
DOI: | 10.26083/tuprints-00024293 |
URL / URN: | https://tuprints.ulb.tu-darmstadt.de/24293 |
Zugehörige Links: | |
Herkunft: | Zweitveröffentlichung DeepGreen |
Kurzbeschreibung (Abstract): | This article introduces an hp‐adaptive multi‐element stochastic collocation method, which additionally allows to re‐use existing model evaluations during either h‐ or p‐refinement. The collocation method is based on weighted Leja nodes. After h‐refinement, local interpolations are stabilized by adding and sorting Leja nodes on each newly created sub‐element in a hierarchical manner. For p‐refinement, the local polynomial approximations are based on total‐degree or dimension‐adaptive bases. The method is applied in the context of forward and inverse uncertainty quantification to handle non‐smooth or strongly localized response surfaces. The performance of the proposed method is assessed in several test cases, also in comparison to competing methods. |
Freie Schlagworte: | hp‐adaptivity, multi‐element approximation, stochastic collocation, surrogate modeling, uncertainty quantification |
Status: | Verlagsversion |
URN: | urn:nbn:de:tuda-tuprints-242934 |
Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau 600 Technik, Medizin, angewandte Wissenschaften > 621.3 Elektrotechnik, Elektronik |
Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder Exzellenzinitiative Exzellenzinitiative > Graduiertenschulen Exzellenzinitiative > Graduiertenschulen > Graduate School of Computational Engineering (CE) |
Hinterlegungsdatum: | 10 Nov 2023 15:25 |
Letzte Änderung: | 06 Feb 2024 07:52 |
PPN: | 513347380 |
Export: | |
Suche nach Titel in: | TUfind oder in Google |
Verfügbare Versionen dieses Eintrags
- An hp‐adaptive multi‐element stochastic collocation method for surrogate modeling with information re‐use. (deposited 10 Nov 2023 15:25) [Gegenwärtig angezeigt]
Frage zum Eintrag |
Optionen (nur für Redakteure)
Redaktionelle Details anzeigen |