Etmen-tabanlı benzetim modellerinin metamodelleme yolu ile analizi

Bu tezde, etmen-tabanlı benzetim modellerinin girdi-çıktı ilişkilerini yorumlamak için üç aşamalı bir analiz prosedürü öneriyoruz. İlk aşamada, girdi-çıktı dinamiklerini bir fonksiyonel ilişki kurarak öğrenmek için metamodelleri kullanıyoruz. Bu amaçla, yapay öğrenme alanından Destek Vektör Regresyonu ve Rassal Orman tekniklerini kullanıyoruz. Ayrışma ve Basit Trafik modelleri ile yapılan deneysel analiz sonuçlarına göre, Destek Vektör Regresyonu'nun çıktı tahminlemesi için umut vaat eden bir teknikken, Rassal Orman'ın ise düşük bir doğruluk kaybı ile girdi-çıktı dinamiklerinin açıkça gösterilmek istendiği durumlara daha uygun olduğunu gözlemliyoruz. İkinci aşamada, Rassal Orman metamodellerinin verimli bir şekilde eğitilmesine odaklanıyoruz. Metamodelden gelen geribildirimlerin göz önüne alındığı sıralı örnekleme stratejisinin, rastgele seçilmiş girdi-çıktı ikilileri ile eğitilmiş metamodellere kıyasla daha yüksek doğrulukta metamodeller ortaya çıkardığını gözlemliyoruz. Bunun yanında, yinelemeli metamodel eğitim süreci, genel kanıya uymayan sonuçlar da dahil olmak üzere farklı tipteki model davranışları arasındaki sınır noktalarını göstererek modelin dinamikleri hakkında değerli bilgiler vermektedir. Üçüncü aşamada ise, Rassal Orman metamodellerinden kural çıkarmak için küme ayrıştırma problemi formülasyonuna dayalı bir yöntem geliştirdik. Son olarak, üç aşamalı analiz tekniğimizi, etmen-tabanlı bir grip salgını modeli üzerinde müdahale stratejilerinin etkinliğini farklı bulaşılabilirlik senaryoları altında incelemek için kullandık.