代理模型

是什么

代理模型把仿真器当成黑箱：y ≈ f(x)，用有限次真实仿真采样出训练集， 再用高斯过程、神经网络、随机森林等回归器拟合。训练好之后每次评估只需毫秒级， 因此能支撑需要上万次评估的设计优化、灵敏度分析与不确定性量化。

关键要点

• 与 ROM 的界限：ROM 显式利用方程结构做投影（白箱/灰箱），代理模型通常是纯数据拟合（黑箱）。二者边界在”物理信息代理模型”处变得模糊。
• 采样策略决定成败：拉丁超立方、Sobol 序列、自适应加点（贝叶斯优化式）远比随机采样高效。
• 高维诅咒：输入维度超过 ~20 维后，所需样本量急剧上升，需先做敏感性分析降维。
• 外推不可信：代理模型只在训练域内有效，超出范围的输出没有任何保证。

常见误区 / 边界

• 不要用代理模型做训练域外的预测，也不要把它当成物理规律的解释工具。
• 精度报告要区分”测试集误差”与”部署工况误差”，后者往往大得多。