Possibilistic approximation of independent consonant random set combination
Une approximation possibiliste de la combinaison d'ensembles aléatoires consonants et indépendants
Résumé
Propagating input uncertainty through a physical model in order to evaluate output uncertainty can be computationally hard to achieve, especially when models are complex (e.g., complex computer codes). In this case, it is convenient to have conservative propagation methods providing approximated results but allowing for a significant gain in computational efficiency. In this paper, we interest ourselves to the case where input uncertainty is modeled by consonant and independent random sets, and propose a possibilistic outer approximation. Advantages of this approximation are then discussed and illustrated on simple examples.
Propager des incertitudes sources à travers un modèle physique pour évaluer des incertitudes cibles peut se révéler lourd en termes calculatoires, particulièrement lorsque le modèle physique est complexe (e.g., codes de calcul). Dans ce cas, il est utile de disposer de méthodes de propagation qui, en approchant de manière conservative le résultat, vont permettre un gain non négligeable d'efficacité. Dans cet article, nous nous intéressons au cas où l'incertitude source est modélisée par des ensembles aléatoires emboités et indépendants, et proposons une approximation possibiliste conservative pour ce modèle. Les avantages de cette approximation sont ensuite discutés et illustrés sur des exemples simples.