TU Darmstadt / ULB / TUbiblio

An hp‐adaptive multi‐element stochastic collocation method for surrogate modeling with information re‐use

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

WarnungEs 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

Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen