17.2 模型校准常见问题 |
  
|
17.2 模型校准常见问题 |
|
全局最优解与局部最优解图示
模型校准中常见的问题有如下几类：
● 模型自动校准常常收敛在局部最优解上，绝大多数的模型校正问题归根结底都表现为如何用最少的模拟次数找到全局最优解；
● 各个参数的最佳组合不唯一。各个参数可能相互关联，由此导致的结果是多个不同的参数组合可能给出完全相同的模拟结果；
● 某些模型计算量过大，运行一次需要花费大量时间；
● 某些模型分区过多，参数过多，校正无法收敛；
● 模型对参数变化并不敏感，校正需要的次数过多；
● 如果使用传统的正向调参进行穷举，一个10参数的模型，每个参数设定5个水平，那么就要进行上千万次模型运算才能找出最佳参数。逆向调参可以大幅度的减少找到最优解所需的模拟次数。