.png){kind=icon}
返回
Scarce data-oriented parameter global sensitivity and reliability analysis with multidimensional dependence
.png){kind=icon}
PRE
AI
DOI：10.1016/j.istruc.2025.109587.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在实际工程中，难以获取充足的数据，且可用数据通常有限并表现出复杂的依赖关系。为解决数据稀缺与相关性带来的挑战，提出了一种框架，即面向稀疏数据的参数全局可靠度敏感性分析与可靠性分析，并结合自适应克里金法和重要抽样法（SPR-AK-IS），用于估计参数全局可靠度敏感性指数和失效概率边界，旨在评估结构安全性以及指导对影响结构失效的重要变量的数据收集。首先，通过最大似然估计和柯尔莫哥洛夫-斯米尔诺夫检验推断每个变量的最可能分布类型。采用自助法重采样推断分布参数的置信区间，同时使用藤相关结构（vine copula）表示变量间的多维依赖关系。然后，引入辅助标准正态变量以解耦分布参数与输入变量，从而在增广空间中搜索最可能失效点。最后，基于自适应克里金模型结合一组重要抽样样本，可高效评估参数全局可靠度敏感性指数和失效概率边界。该框架为收集对失效概率敏感的变量的数据提供了指导，以最小化认知不确定性。多个算例表明，SPR-AK-IS在达到相当精度的同时显著降低了计算成本。
期刊
IF:
4.3
论文数:
1.2W
被引数:
2.7W
机构
引用论文
暂无论文信息