메타모델 (Metamodel)
메타모델(metamodel)이란 실제모델을 대체할 수 있는 근사모델을 말한다. 실제 해석모델은 반응값을 구하기 위해 실제 시험보다 저렴하나 많은 함수 호출(function call)이 필요한 최적설계(optimization)에 있어서 시간/비용이 많이 든다고 볼 수 있다. 최소의 해석회수로 메타모델을 생성하면 이러한 부담없이 최적해 도출이 가능하다.
실제모델 | 메타모델 |
● 1회 해석 시 시간/비용이 많이 소요된다. ● 설계영역 탐색에 많은 회수의 해석을 요하는 최적설계에 적용이 어렵다. | ● 특성치 계산에 수치적 부담이 없다. ● 많은 수의 함수 호출이 필요한 설계영역의 탐색, 최적설계에 적합하다. |
- 실험계획법을 이용한 메타모델 생성 및 활용
(1) 실험점 배치 및 시험 또는 해석 실시(Locate sample points and perform analysis)
(2) 메타모델 생성 및 선정(Build metamodels and select the most accurate one)
(3) 최적해 예측 및 신뢰성 평가(Prediction design optimization and uncertainty
assessment)
- 데이터 이용 메타모델 생성 및 활용
(1) 시험/해석/경험(Experiments/CAE/Experience)→데이터(Data)→전처리:데이터 누락/
(1) 시험/해석/경험(Experiments/CAE/Experience)→데이터(Data)→전처리:데이터 누락/
이상점...(Pre-processing:Missing data/Outlier...)
(2) 메타모델 생성(Metamodel Generation)
(3) 성능예측/최적설계/신뢰성 평가(Prediction/Design Optimization/Uncertainty
Assessment)
- 이상점(Outlier) 검출
이상점이 있는 경우 메터모델 성능이 저하되므로 제거되어야 한다.
발생 원인 : 해석/시험 상 오류, 데이터 작성 오류
- 메타모델의 종류
회귀 모델 (Regression Model) | 보간 모델 (Interpolation Model) |
● 실험점을 정확히 지나지 않는다. ● 데이터의 노이즈를 제거(smooth out)하는 효과가 있다. ● 랜덤 에러가 있는 실제 시험에 적합하다. ● 종류 PR(Polynomidal Regression) RBFr(Radial Basis Function Regression) EDT(Ensemble of Decision Trees) MLP(Multi-Layer Perception) | ● 실험점을 정확히 지난다. ● 랜덤 에러가 없는 전산 실험에 적합하다. ● 종류 Kriging RBFi(Radial Basis Function Interpoaltion) |
댓글
댓글 쓰기