基于深度流模型的分布式高维不确定性量化方法

摘要

本发明提供了一种基于深度流模型的分布式高维不确定性量化方法。本发明提供的方法允许在第一阶段独立地分析每个子域，并用神经网络构造子系统中随机参数与方程输出间的联系；然后在第二阶段使用神经网络代替原系统进行迭代并得到收敛的解；接下来用深度流模型计算收敛解的概率密度函数；再通过得到的概率密度函数重加权预先计算的局部信息从而得到全局不确定性结果。由于本发明引入了神经网络和深度流模型，本发明提供的方法可以在较高维度的问题下使用，拥有较广的适用范围。通过运用本发明提供的方法，任意物理系统的各个子部件将完成解耦，实现了并行、保密和准确性的多重保障。