洪芳琪;魏鹏飞;宋景文;马尔科斯·瓦尔德贝尼托。;马蒂亚斯·费斯（Matthias G.R.Faes）。;迈克尔，啤酒 混合不确定性下边界方差和概率的协作自适应贝叶斯优化。 （英语） Zbl 07804974号 计算。方法应用。机械。工程师。 417，A部分，文章ID 116410，18 p.（2023）. 摘要：不确定性量化（UQ）被广泛认为对工程结构面向可靠性的分析和设计至关重要，并且有三组数学模型，即概率模型、不精确概率模型和非概率模型，已开发用于表征不同形式的不确定性。通过昂贵的评估模拟器传播这三组模型，以量化输出的不确定性，这是可靠性工程中的核心任务之一，也是极具挑战性的任务，因为它涉及一个要求严格的双回路数值难题。为了解决这个问题，我们在以前的工作中开发了协作和自适应贝叶斯优化（CABO），但它仅适用于不精确的概率模型，并且只能限制输出期望。我们对CABO进行了实质性改进，将所有三类不确定性模型结合起来，并限制输出方差和故障概率等任意概率度量。该算法基于协作主动学习机制，即在认知不确定性子空间中联合执行贝叶斯优化，在任意不确定性子区域中联合执行Bayes立方，从而允许在联合不确定性空间中自适应地生成训练样本。在CABO中嵌入了一种高效的条件高斯过程仿真算法，用于获取训练点和不确定子空间中的贝叶斯推理。基准研究表明，CABO在数值效率、精度和全局收敛性方面表现出显著的性能。 MSC公司： 65C20个 概率模型，概率统计中的通用数值方法 2015年1月62日 贝叶斯推断 62G08号 非参数回归和分位数回归 90B25型 运筹学中的可靠性、可用性、维护和检查 90摄氏度70 模糊及其他非随机不确定性数学规划 关键词：不确定性量化;不精确概率;非概率模型;贝叶斯优化;机器学习;区间分析 软件：AK-MCS公司 PDF格式BibTeX公司 XML格式引用 \textit{F.Hong}等人，计算。方法应用。机械。工程417，A部分，文章ID 116410，18 p.（2023；Zbl 07804974） 全文： 内政部 参考文献： [1] Zein，S。；A.劳伦特。；Dumas，D.，模拟三维表面上的高斯随机场，以量化复合结构中的不确定性。计算。机械。，6, 1083-1090 (2019) ·Zbl 1469.74034号 [2] 丁，C。；Deokar，R.R。；崔，X。；李·G。；蔡，Y。；Tamma，K.K.，材料、几何和力多维不确定性的恰当正交分解和基于蒙特卡罗的等几何随机方法。计算。机械。，3, 521-533 (2019) ·兹比尔1469.74120 [3] Der Kiureghian，A。；Ditlevsen，O.，Alematic还是认识论？这有关系吗？。结构。安全。，2, 105-112 (2009) [4] Abdar，M。；Pourpanah，F。；侯赛因，S。；Rezazadegan，D。；刘，L。；加瓦姆扎德，M。；菲古斯，P。；曹，X。；Khosravi，A。；Acharya，U.R.，《深度学习中不确定性量化综述：技术、应用和挑战》。信息融合，243-297（2021） [5] 啤酒，M。；Ferson，S。；Kreinovich，V.，《工程分析中的不精确概率》。机械。系统。信号处理。，1-2, 4-29 (2013) [6] 克雷斯波，L.G。；Kenny，S.P。；Giesy，D.P.，受P-盒不确定性影响的多项式系统的可靠性分析。机械。系统。信号处理。，1-2, 121-136 (2013) [7] 阿加瓦尔，H。；雷诺，J.E。；普雷斯顿，E.L。；Padmanabhan，D.，《在多学科设计优化中使用证据理论进行不确定性量化》。Reliab公司。工程系统。安全。，1-3, 281-294 (2004) [8] 桑卡拉拉曼，S。；Mahadevan，S.，稀疏和不精确数据导致的分布类型不确定性。机械。系统。信号处理。，1-2, 182-198 (2013) [9] Helton，J.C。；约翰逊，J.D。；Oberkampf，W.L。；Sallaberry，C.J.，涉及偶然性和认知不确定性的分析结果表示。国际通用系统杂志。，6, 605-646 (2010) ·兹比尔1200.93124 [10] 费斯，M。；Moens，D.，非概率不确定性建模和量化的最新趋势。架构（architecture）。计算。方法工程，1-39（2019） [11] L.G.Crespo，S.P.Kenny，D.P.Giesy，《美国国家航空航天局兰利多学科不确定性量化挑战》，载于：第16届美国国际航空航天局非确定性方法会议，2014年，第1347页。 [12] 魏，P。；宋，J。；毕，S。；布罗吉，M。；啤酒，M。；卢，Z。；Yue，Z.，参数化非精确概率模型的非侵入式随机分析：I，性能估计。机械。系统。信号处理。，349-368 (2019) [13] 贝赫梅内什，I。；莫阿韦尼，B。；朗伯特，G。；Papadimitriou，C.，结构识别的层次贝叶斯模型更新。机械。系统。信号处理。，360-376 (2015) [14] 魏，P。；Hong，F。；Phoon，K.-K。；Beer，M.，《模型响应矩的边界优化：双引擎贝叶斯主动学习方法》。计算。机械。，5, 1273-1292 (2021) ·Zbl 1469.74092号 [15] Tabandeh，A。；北卡罗来纳州夏尔马。；Gardoni，P.，《层级系统风险和弹性分析中的不确定性传播》。Reliab公司。工程系统。安全。(2022) [16] 郭，X。；季军（Ji，J.）。；Khan，F。；丁·L。；Tong，Q.，一种新的模糊动态贝叶斯网络，用于不确定性环境中的动态风险评估和不确定性传播量化。安全。科学。(2021) [17] de Angelis，M。；Patelli，E。；Beer，M.，《高效稳健可靠性分析的高级线抽样》。结构。安全。，170-182 (2015) [18] 北卡罗来纳州佩德罗尼。；Zio，E.，双喷气式飞机模型的混合不确定性和灵敏度分析。J.航空公司。信息系统。，1, 73-96 (2015) [19] 张，H。；马伦，R.L。；Muhanna，R.L.，结构可靠性的区间蒙特卡罗方法。结构。安全。，3, 183-190 (2010) [20] 张，H。；戴，H。；啤酒，M。；Wang，W.，基于小样本的结构可靠性分析：区间拟蒙特卡罗方法。机械。系统。信号处理。，1-2, 137-151 (2013) [21] Alvarez，D.A。；乌里韦，F。；Hurtado，J.E.，使用子集模拟和随机集理论估计失效概率的上下限。机械。系统。信号处理。，782-801 (2018) [22] Patelli，E。；Alvarez，D.A。；布罗吉，M。；d.Angelis，M.，《关键安全系统多学科设计中的不确定性管理》。J.航空公司。信息系统。，1, 140-169 (2015) [23] 魏，P。；卢，Z。；Song，J.，参数全局灵敏度分析和优化的扩展蒙特卡罗模拟。AIAA J.，4867-878（2014） [24] 宋，J。；魏，P。；巴尔代贝尼托，M。；毕，S。；布罗吉，M。；啤酒，M。；Lei，Z.，混合不确定变量非侵入非精确随机模拟的推广。机械。系统。信号处理。(2019) [25] 费斯，M.G。；瓦尔代贝尼托，医学硕士。；Moens，D。；Beer，M.，《限制线性结构在不精确随机荷载作用下的首次偏移概率》。计算。结构。(2020) [26] 费斯，M.G。；瓦尔代贝尼托，医学硕士。；Moens，D。；Beer，M.，算子范数理论是传播混合不确定性和计算不精确概率的有效工具。机械。系统。信号处理。(2021) [27] 镍、磷。；赫雷斯，D.J。；弗拉古利斯，V.C。；Faes，M.G.先生。；Valdebenito，硕士。；Beer，M.，基于算子范数的统计线性化，以限制非线性结构在不精确随机载荷作用下的首次偏移概率。ASCE-ASME J.风险不确定性。工程系统。A、 1（2022年） [28] 马萨诸塞州菲纳。；劳夫，C。；费斯，M.G。；瓦尔代贝尼托，医学硕士。；瓦格纳，W。；Freitag，S.，《基于最大标准偏差的结构力学中不精确失效概率的界限》。结构。安全。(2023) [29] 魏，P。；宋，J。；毕，S。；布罗吉，M。；啤酒，M。；卢，Z。；Yue，Z.，参数化非精确概率模型的非侵入式随机分析：Ii。可靠性和罕见事件分析。机械。系统。信号处理。，227-247 (2019) [30] M.北原。；宋，J。；魏，P。；布罗吉，M。；Beer，M.，混合随机和认知不确定性传播的分布稳健方法。AIAA J.，1-7（2022） [31] 宋，J。；巴尔代贝尼托，M。；魏，P。；啤酒，M。；Lu，Z.，线抽样非侵入非精确随机模拟。结构。安全。(2020) [32] 福克斯，J。；Okten，G.，作为控制变量的多项式混沌方法。SIAM J.科学。计算。，3，A2268-A2294（2021）·Zbl 1512.65004号 [33] O.I.阿比奥顿。；Jantan，A。；奥莫拉拉，A.E。；达达，K.V。；穆罕默德，N.A。；Arshad，H.，《人工神经网络应用的现状：一项调查》。太阳神，11（2018） [34] 拉斯穆森，C.E。；Williams，C.，机器学习的高斯过程。第1卷，39，40-43（2006），麻省理工出版社·Zbl 1177.68165号 [35] 魏，P。；刘，F。；巴尔代贝尼托，M。；Beer，M.，具有较大认知不确定性的不精确概率的贝叶斯概率传播。机械。系统。信号处理。(2021) [36] Hennig，P。；奥斯本，医学硕士。；Girolma，M.，《概率数字与计算中的不确定性》。程序。R.Soc.A:数学。，物理学。工程科学。，2179 (2015) ·Zbl 1372.65010号 [37] Frazier，P.I.，《贝叶斯优化教程》（2018），arXiv预印本arXiv:1807.02811 [38] 布里奥，F.-X。；Oates，C.J。；Girolma，M。；奥斯本，医学硕士。；Sejdinovic，D.，概率积分：统计计算中的作用？。统计师。科学。，1, 1-22 (2019) ·Zbl 1420.62135号 [39] 魏，P。；郑毅。；Fu，J。；Xu，Y。；Gao，W.，加速失效概率贝叶斯主动学习的预期集成误差减少函数。Reliab公司。工程系统。安全。(2023) [40] Hennig，P。；奥斯本，医学硕士。；Kersting，H.P.，《概率数值：作为机器学习的计算》（2022），剑桥大学出版社·Zbl 1517.65001号 [41] Le Gratiet，L。；美人蕉，C。；Iooss，B.，计算机代码全局敏感性分析的贝叶斯方法。SIAM/ASA J.不确定性。数量。，1, 336-363 (2014) ·Zbl 1308.62107号 [42] 李，C.-C。；Der Kiureghian，A.，随机场的最优离散化。机械工程杂志。，6, 1136-1154 (1993) [43] 黄，S。；马哈德万，S。；Rebba，R.，随机场问题基于配置的随机有限元分析。普罗巴伯。工程机械。，2, 194-205 (2007) [44] 陈，J。；Sun，W。；李，J。；Xu，J.，随机过程的随机调和函数表示。J.应用。机械。，1 (2013) [45] Wilson，J。；博罗维茨基，V。；Terenin，A。；莫斯托夫斯基，P。；Deisenroth，M.，《高斯过程后验函数的有效采样》，10292-10302 [46] 瓦基利，S。；莫斯，H。；Artemev，A。；杜托多尔，V。；Picheny，V.，使用稀疏高斯过程模型的可缩放汤普森采样。高级神经信息处理。系统。，5631-5643 (2021) [47] 黄，S。；奎克，S。；Phoon，K.，随机过程模拟中截断Karhunen-Loève展开的收敛性研究。国际。J.数字。方法工程，9，1029-1043（2001）·Zbl 0994.65004号 [48] 吴杰。；陈X.-Y。；张，H。；熊，L.-D。；Lei，H。；Deng，S.-H.，基于贝叶斯优化的机器学习模型超参数优化。《电子杂志》。科学。技术。，1, 26-40 (2019) [49] 詹，D。；Xing，H.，昂贵优化的预期改进：综述。J.全球优化。，3, 507-544 (2020) ·Zbl 1465.90104号 [50] 吴杰。；Frazier，P.，批贝叶斯优化的并行知识梯度方法。高级神经信息处理。系统。(2016) [51] Hernández-Lobato，J.M。；霍夫曼，M.W。；Ghahramani，Z.，黑箱函数有效全局优化的预测熵搜索。高级神经信息处理。系统。(2014) [52] 魏，P。；张，X。；Beer，M.，概率积分的自适应实验设计。计算。方法应用。机械。工程师（2020）·Zbl 1442.65027号 [53] 宋，J。；魏，P。；瓦尔代贝尼托，医学硕士。；费斯，M。；Beer，M.，利用贝叶斯概率积分对基于方差的敏感性指数进行数据驱动和主动学习。机械。系统。信号处理。(2022) [54] 埃查德，B。；北卡罗来纳州盖顿。；Lemaire，M.，AK-MCS：结合克里金和蒙特卡罗模拟的主动学习可靠性方法。结构。安全。，2, 145-154 (2011) [55] Bichon，B.J。；埃尔德雷德，M。；斯威勒，L.P。；马哈德万，S。；McFarland，J.M.，非线性隐式性能函数的有效全局可靠性分析。AIAA J.，2459-2468（2008） [56] 吕，Z。；卢，Z。；Wang，P.，一种新的Kriging学习函数及其在解决工程可靠性问题中的应用。计算。数学。申请。，5, 1182-1197 (2015) ·Zbl 1443.62321号 [57] Yan，K。；Wu，Y。；张，B。；钟，钟，基于概率的航天器姿态控制系统参数设计方法。飞行动态。，1, 88-94 (2021) [58] 豪卡斯，T。；Der Kiureghian，A.，非线性有限元可靠性分析中寻找设计点的策略。普罗巴伯。工程机械。，2, 133-147 (2006) [59] Abrahamsson，T。；Kammer，D.，使用阻尼均衡的频率响应进行有限元模型校准。机械。系统。信号处理。，218-234 (2015) [60] 巴斯克斯，E。；Bect，J.，具有固定平均值和协方差函数的期望改进算法的收敛性。J.统计计划。推理，113088-3095（2010）·Zbl 1419.62200号 [61] Bull，A.D.，高效全局优化算法的收敛速度。J.马赫。学习。第102879-2904号决议（2011年）·Zbl 1280.90094号 [62] Tripathy，R。；Bilinis，I。；Gonzalez，M.，《内置降维的高斯过程：应用于高维不确定性传播》。J.计算。物理。，191-223 (2016) ·Zbl 1349.65049号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。