基于多源数据融合的土体空间参数不确定性缩减

土体参数存在空间变异性,导致结构响应具有不确定性。忽视这种不确定性或采用偏差参数可能导致工程安全问题,甚至引发工程灾害。现场测量数据可用于改进对基坑开挖等岩土工程中结构响应的估计,通过SPT等直接测量方法得到的勘察数据与土体刚度参数直接相关,在这些数据的基础上,基于Kriging法约束随机场的条件模拟可用于改进对参数空间分布的估计。此外,当监测数据与位移等土体结构性能或响应相关时,利用集合卡尔曼滤波器(EnKF)反分析也可降低土体参数的不确定性。本文采用多源数据融合的形式将直接和间接两种方法结合在一起进行土体开挖分析,结果表明:两种方法结合使用可以显著降低土体参数的不确定性,从而降低结构响应中的不确定性。

浅谈基于样例池不确定性缩减的主动学习算法

基于不确定性最大的主动学习是一种普遍应用的主动学习算法,该方法选择当前分类器最难确定类别的样例。本文提出了一种基于样例池不确定性缩减最大的主动学习方法,该方法选择那些能够使得样例池不确定性缩减最大的样例,从而使得到的分类器具有更好的泛化能力。

基于面积重叠法的概率盒全局灵敏度计算分析

针对随机与认知混合不确定性的概率盒灵敏度分析问题,提出一种利用概率盒缩减前后重叠面积作为不确定性度量的全局灵敏度分析方法.混合不确定性在航空航天仿真系统中广泛存在,概率盒方法用于随机与认知混合不确定性的表征在学术界已被广泛应用.首先,介绍传统概率盒灵敏度分析的不确定性缩减法理论,在此基础上,进一步考虑概率盒在位置和形状上的偏移量;然后,通过计算缩减前后的概率盒面积重叠量来表征各输入不确定性的影响程度,阐述其实施步骤;最后,通过数值算例对所提出方法与传统不确定性缩减方法进行全局灵敏度分析的对比和验证,并应用于发动机总体性能仿真计算灵敏度排序.研究结果表明,所提出面积重叠方法比传统不确定性缩减法适用范围更广,计算结果更准确.

概率盒全局灵敏度和活跃子空间跨层降维

航空航天仿真系统中的不确定性通常是多源的、混合的,并且系统参数的维数众多。针对高维混合不确定性量化问题,提出一种结合概率盒全局灵敏度和活跃子空间的跨层降维方法。在随机和认知不确定的概率盒表征基础上,使用不确定性缩减法分析参数的全局灵敏度继而进行参数筛选;基于输出梯度协方差矩阵的特征分解,使用活跃子空间法对参数进行降维;构造出一种概率盒表征下的参数筛选和跨层降维方法。最后以NASA多学科不确定性量化挑战问题为例,通过概率盒全局灵敏度分析进行第1层次的参数筛选,原有的21维输入参数减为13维;随后采用活跃子空间进行第2层次的参数降维,维数进一步降至一维。研究结果表明,所提出的方法能够对混合不确定性参数进行灵敏度排序,还能够有效降低模型输入参数的维度,为高维系统混合不确定性量化和进一步的优化工作奠定了基础。