结构物对自然灾害的可靠性评估的广义分层抽样
摘要：基于性能的工程设计和评估结构在严格评估不确定结构行为下的自然灾害潜在极端随机负载方面的失效概率， 以满足既定标准。因此，高效的随机模拟方案对于计算框架来说是至关重要的， 这些框架旨在使用有限的样本集估计与多个极限状态相关的失效概率。 在这项工作中，提出了一种广义分层抽样方案，其中包括两个抽样阶段： 第一个阶段用于生成分层样本和估计分层概率，而第二个阶段旨在估计分层失效概率。 第一阶段抽样可以选择广义分层变量（不一定属于输入的随机变量集）， 其概率分布未事先确定。为了提高效率，当蒙特卡洛模拟被认为不可行时， 提出了马尔科夫链蒙特卡洛第一阶段抽样，并基于用户指定的目标变异系数为感兴趣的极限状态实施最优第二阶段抽样。 这些系数的表达式考虑了马尔可夫链引起的样本相关性以及估计的分层概率的不确定性。 所提出的随机模拟方案可以在高维可靠性问题中近似控制失效概率估计器的准确性， 对于更广泛的分层变量选择利用了近乎最优的分层抽样的优势。 该方案的实用性通过两个示例得到了证明，其中包括通过风和地震激励引起的高度非线性响应的失效概率估计。
作者：Srinivasan Arunachalam, Seymour M.J. Spence
论文ID：2305.06338
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-05-11