Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri

Muzaffer BALABAN (Türkiye İstatistik Kurumu, Ankara, Türkiye)
Düzce Üniversitesi Bilim ve Teknoloji Dergisi
1 0
Yıl: 2019 Cilt: 7 Sayı: 3 Sayfa Aralığı: 1444 - 1455 Metin Dili: Türkçe DOI: 10.29130/dubited.528940 İndeks Tarihi: 31-12-2020

Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri

Öz:
Benzetim modelinden veri üretmenin oldukça zaman alıcı olduğu durumlarda eniyileme, duyarlılık analizi gibiamaçlarla meta-model kullanılır. Deney tasarımı meta-model kurma çalışmalarının en önemli aşamalarındanbiridir ve benzetim modelinin hangi girdi değişkenleri kombinasyonları için çalıştırılacağı belirlenir. Seçilenmeta-modelin yapısına uygun deney tasarımı kullanılması gerekir. Bu çalışmada literatürde regresyon ve krigingmeta-modelleri için kullanılan deney tasarımı yöntemleri incelenmiş ve yorumlanmıştır.
Anahtar Kelime:

Experimental Design Methods for Regression and Kriging MetaModels

Öz:
Meta-model is used for purposes such as optimization and sensitivity analysis in cases it is so costly to generate data from the simulation model. Experimental design is one of the most important stages of metamodeling studies and it is determined which simulation model will be run for which combinations of input variables. An experimental design must be used in accordance with the selected metamodel structure. In this study, the experimental design methods used for regression and kriging meta-models were examined and interpreted in the literature.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Derleme Erişim Türü: Erişime Açık
  • [1] J.P.C Kleijnen, “Regression metamodels for generalizing simulation results,” IEEE Transactions on systems, man and cybernetics, vol. 9, no. 2, 1979.
  • [2] M. Balaban, “Benzetimde olağan ve genel kriging meta-modelleri,” Abstract Book of EurasianSciEnTech, 1 st International Eurasian Conference on Science, Engineering and Technology, Ankara, Türkiye, 2018, pp. 63.
  • [3] V.C.P. Chen, K.L. Tsui, R.R. Barton and J.K. Allen, “A review of design and modeling in computer experiments,” Handbook of Statistics, vol. 22, pp.231–261, 2003.
  • [4] T.W. Simpson, J.D. Peplinski, P.N. Koch and J.K. Allen, “On the use of statistics in design and the implications for deterministic computer experiments,” Proceedings of DETC’97, 1997 ASME Design Engineering Technical Conferences, 1997, pp. 14-17.
  • [5] R.R. Barton, “Simulation metamodels,” Proceedings of the 1998 Winter Simulation Conference, 1998, pp. 167-174.
  • [6] R.R. Barton, “Tutorial: simulation metamodeling,” Proceedings of the 2015 Winter Simulation Conference, 2015, pp. 1765-1771.
  • [7] J. Sacks, W.J. Welch, T.J. Mitchell, and H.P. Wynn, “Design and analysis of computer experiments,” Statistical Science, vol. 4, pp. 409-435, 1989.
  • [8] W. van Beers and J.P.C. Kleijnen, “Kriging for Interpolation in random simulation,” Journal of the Operational Research Society, no. 54, pp. 255-262, 2003.
  • [9] T.W. Simpson, L. Dennis, and W. Chen, “Sampling Strategies for Computer Experiments: Design and Analysis,” International Journal of Reliability and Application, vol.2, pp.209-240, 2002.
  • [10] I. Batmaz and S.Tunali, “Second-Order Experimental Designs for Simulation Metamodeling,” Simulation, vol.78, no.12, pp. 699-715, 2002.
  • [11] A.A. Giunta, S.F. Wojtkiewicz Jr., and M.S. Eldred, “Overview of modern design of experiments methods for computational simulations,” AIAA-2003-0649, 2003.
  • [12] J.P.C Kleijnen, “An overview of the design and analysis of simulation experiments for sensitivity analysis” European Journal of Operational Research, Vol. 164, no. 2, pp.287-300, 2005.
  • [13] J.P.C Kleijnen, S.M. Sanchez, T.W. Lucas, and T.M. Cioppa, “A User’s Guide to the Brave New World of Designing Simulation Experiments,” INFORMS Journal on Computing, vol. 17, no.3, pp. 263–289, 2005.
  • [14] R. T. Johnson, D. C. Montgomery, B. Jones and J. W. Fowler, “Comparing designs for computer simulation experiments,” Proceedings of the 2008 Winter Simulation Conference, 2008, pp. 463-470.
  • [15] S.M. Sanchez and H. Wan, “Work smarter, not harder: a tutorial on designing and conducting simulation experiments,” Proceedings of the 2015 Winter Simulation Conference, 2015, pp. 1795-1809.
  • [16] J.P.C Kleijnen, “Regression and kriging metamodels with their experimental designs in simulation: A review,” European Journal of Operational Research, vol. 256, no.1, pp.1-16, 2017.
  • [17] A.M. Law, Simulation, Modeling and Analysis, 4th ed., McGraw-Hill International Edition, New York, USA, 2007.
  • [18] W.E. Biles, J.P.C. Kleijnen, W.C. Van Beers, and M.I. Van Nieuwenhuyse, “Kriging metamodeling in constrained simulation optimization: an explorative study,” Proceedings of the 2007 Winter Simulation Conference, 2007, pp. 355-362.
  • [19] T.W. Simpson and F. Mistree, “Kriging models for global approximation in simulation-based multidisciplinary design optimization,” AIAA Journal, vol. 39, no. 12, 2001.
  • [20] W.C. Van Beers and J.P.C. Kleijnen, “Kriging interpolation in simulation: a survey,” Proceedings of the 2004 Winter Simulation Conference, 2004, pp. 113-121.
  • [21] D.C. Montgomery, Design and Analysis of Experiments, 5.ed. New York, USA: John Wiley & Sons, Inc, 2001, 680 pages.
  • [22] R.H. Myers, D.C. Montgomery and C.M. Anderson-Cook, Response surface Methodology, 3. ed., New York, USA: John Wiley & Sons, Inc, 2009, 689 pages.
  • [23] M G.D. Mc Kay, R.J. Beckman, and W.J. Conover, “A comparison of three methods for selecting values of input variables in the analysis of output from a computer code,” Technometrics, vol. 21, pp. 239– 245, 1979.
  • [24] T.J. Santner, B.J. Williams and W.İ. Notz, The design and analysis of computer experiments, New York, USA: Springer-Verlag, 2003.
  • [25] K.T. Fang, R. Li, and A. Sudjianto, Design and modeling for computer experiments, Taylor & Francis Group, Boca Raton, 2006.
  • [26] I. Van Nieuwenhuyse, J.P.C. Kleijnen, and W. Van Beers, “Constrained optimization in simulation: a novel approach,” Technical report, Department of Decision Sciences and Information Management, Katholieke Universiteit, Leuven, Belgium, 2008.
  • [27] V.R Joseph and Y. Hung, “Orthogonal-maximin latin hypercube designs,” Statistica Sinica, vol.18, pp.171- 186, 2008.
  • [28] A.B. Owen, “Orthogonal arrays for computer experiments, integration and visualization,” Statistica Sinica, no. 2, pp. 439-452, 1992.
  • [29] B. Tang, Orthogonal array-based Latin hypercubes. Journal of the American Statistical Association, no. 88, pp. 1392-1397, 1993.
  • [30] A.B. Owen, “Controlling correlation in Latin hypercube samples,” Journal of the American Statistical Association, no. 89, pp. 1517-1522, 1994.
  • [31] B. Tang, “Selecting Latin hypercubes using correlation criteria,” Statistica Sinica, vol. 8, pp. 965-977, 1998.
  • [32] K.Q. Ye, “Orthogonal column Latin hypercubes and their application in computer experiments,” Journal of the American Statistical Association, vol.93, pp.1430-1439, 1998.
  • [33] M. Balaban ve B. Dengiz, “Benzetim eniyilemesinde lognormal ordinary kriging metamodeli”, Yedinci Ulusal Savunma Uygulamaları Modelleme ve Simülasyon Konferansı Bildiri Kitabı, ODTÜ, Ankara, 2017, ss.158-168.
APA Balaban M (2019). Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. , 1444 - 1455. 10.29130/dubited.528940
Chicago Balaban Muzaffer Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. (2019): 1444 - 1455. 10.29130/dubited.528940
MLA Balaban Muzaffer Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. , 2019, ss.1444 - 1455. 10.29130/dubited.528940
AMA Balaban M Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. . 2019; 1444 - 1455. 10.29130/dubited.528940
Vancouver Balaban M Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. . 2019; 1444 - 1455. 10.29130/dubited.528940
IEEE Balaban M "Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri." , ss.1444 - 1455, 2019. 10.29130/dubited.528940
ISNAD Balaban, Muzaffer. "Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri". (2019), 1444-1455. https://doi.org/10.29130/dubited.528940
APA Balaban M (2019). Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 7(3), 1444 - 1455. 10.29130/dubited.528940
Chicago Balaban Muzaffer Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. Düzce Üniversitesi Bilim ve Teknoloji Dergisi 7, no.3 (2019): 1444 - 1455. 10.29130/dubited.528940
MLA Balaban Muzaffer Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, vol.7, no.3, 2019, ss.1444 - 1455. 10.29130/dubited.528940
AMA Balaban M Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. Düzce Üniversitesi Bilim ve Teknoloji Dergisi. 2019; 7(3): 1444 - 1455. 10.29130/dubited.528940
Vancouver Balaban M Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri. Düzce Üniversitesi Bilim ve Teknoloji Dergisi. 2019; 7(3): 1444 - 1455. 10.29130/dubited.528940
IEEE Balaban M "Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri." Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 7, ss.1444 - 1455, 2019. 10.29130/dubited.528940
ISNAD Balaban, Muzaffer. "Regresyon ve Kriging Meta-Modelleri için Kullanılan Deney Tasarımı Yöntemleri". Düzce Üniversitesi Bilim ve Teknoloji Dergisi 7/3 (2019), 1444-1455. https://doi.org/10.29130/dubited.528940
Sayfa Oluşturulma Tarihi
24-04-2024 22:34

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları