.png){kind=icon}
返回
Quantifying Model Selection Uncertainty in Structural Analysis: Methodology and Application
.png){kind=icon}
OA
AI
DOI：10.1002/eqe.70165.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着对稀有事件下复杂工程系统的日益关注，由于数据稀缺或缺失，计算模型对于预测至关重要。然而，选择合适的模型可能具有挑战性。在没有可用测试校准的情况下使用单一模型，可能导致性能预测出现显著偏差。一项关于钢框架的案例研究揭示了不同模型选择之间的预测存在巨大差异，特别是在地面运动强度增加时尤为明显。为应对这一挑战，本文提出了一种基于逻辑树方法的模型平均方法，用以整合多个模型并捕捉其全部潜在结果的谱系。通过结合降维技术和贝叶斯推断来确定每个候选模型的权重。权重表示为狄利克雷先验，由整合专家知识和结构构件测试结果确定。该方法即使在没有观测数据的情况下也能实现更有信息量的先验赋值，同时为数据可用时的先验更新留出空间。通过利用模型平均和不确定性传播技术处理结构分析中的模型不确定性，随后为所关注量生成响应区间。该方法提供了一种更全面、更有信息量且可行的评估，用以处理模型选择不确定性，从而提高预测能力并增强工程师以概率方式处理设计的能力。然而，在当前表述中，该方法适用于定义有限响应量的倒塌前响应范围，并未明确处理倒塌状态实现。
Keyword:
logic tree
model averaging
model selection
structural analysis
uncertainty quantification
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
E
IF:
5
论文数:
193
被引数:
0
机构
引用论文
Algorithm AS 266: Maximum Likelihood Estimation of the Parameters of the Dirichlet Distribution
PREAI
分享收藏
NHERI-SimCenter/quoFEM: Version 3.2.0 (v3.2.0). Zenodo. PublishedNHERI-SimCenter/quoFEM：版本3.2.0（v3.2.0）。Zenodo。已发布.png)
IF0
PREAI
分享收藏分享收藏
查看更多内容