.png){kind=icon}
返回
Model updating and model selection for structural structures via Approximate Bayesian Computation
.png){kind=icon}
OA
AI
DOI：10.1016/j.ymssp.2025.113836.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近似贝叶斯方法，或称似然无关方法，已成为现代统计方法学的重要组成部分，为推断、预测和决策提供了框架。其多功能性体现在能够在一个统一的概率框架内处理参数估计、模型选择和不确定性量化。本研究采用基于椭圆体嵌套采样（NS）方法的近似贝叶斯计算（ABC）来处理结构健康监测中的模型更新和模型比较问题。ABC方法主要依赖于从模拟器/前向模型中模拟数据的能力，避免了编写显式似然函数的必要性，而后者通常十分复杂。这些方法因其提供的建模自由度而尤为引人注目；此外，它们具有灵活性，可以使用不同的差异函数来衡量观测模态数据与对应模型输出之间的相似性。然而，贝叶斯推断方法通常需要大量前向模型模拟以生成收敛样本。为提高采样器的计算效率，引入了最小体积包络椭球（MVEE）以更好地包围接受粒子，并更高效地引导采样器向高概率区域。本文通过使用模态数据的数值研究，展示了该新型采样器在结构模型更新和模型选择中的性能和鲁棒性。
Keyword:
Approximate Bayesian methods
Model updating & model selection
Uncertainty quantification
Simulation-based method
MVEE
Modal data
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.9
论文数:
1.3W
被引数:
6.6W
机构
引用论文
Mining distance-based outliers in near linear time with randomization and a simple pruning rule.png)
Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining
OAAI
Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏A Comparative Study of Single-Chain and Multi-Chain MCMC Algorithms for Bayesian Model Updating-Based Structural Damage Detection基于贝叶斯模型更新的结构损伤检测中单链与多链MCMC算法的对比研究OAAI
OAAI分享收藏
查看更多内容