×

高斯过程替代故障检测:贝叶斯实验设计方法。 (英语) Zbl 1349.62360号

摘要:不确定性量化的一项重要任务是确定由各种不确定性来源引起的不期望事件,特别是系统故障的概率。在这项工作中,我们考虑了用于故障检测和故障概率估计的高斯过程代理的构造。特别是,我们考虑到底层计算机模型非常昂贵的情况,在这种情况下,确定状态空间中的采样点至关重要。我们将该问题表述为极限状态(即失效边界)贝叶斯推断的最佳实验设计,并提出一个有效的数值方案来解决由此产生的优化问题。特别是,所提出的极限状态推理方法能够一次确定多个采样点,因此它非常适合于可以并行执行多个计算机模拟的问题。通过理论和实际算例验证了该方法的准确性和性能。

MSC公司:

62K20型 响应面设计
2015年1月62日 贝叶斯推断
62号05 可靠性和寿命测试
65二氧化碳 蒙特卡罗方法
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 易卜拉欣·艾哈迈德;Lin,Pi-Erh,绝对连续分布熵的非参数估计(对应),IEEE Trans。Inf.理论,22,3,372-375(1976)·Zbl 0336.62001号
[2] Au,S.K。;Beck,J.,通过子集模拟估算高维小故障概率,Probab。工程机械。,16, 263-277 (2001)
[3] 马修·巴尔森特;杰罗姆·莫里奥;Marzat,Julien,基于Kriging的罕见事件估计自适应重要性采样算法,Struct。安全。,44, 1-10 (2013) ·Zbl 1471.62143号
[4] 朱利安·贝特;David Ginsbourger;李玲;维克托·皮奇尼;Vazquez,Emmanuel,用于估计失效概率的计算机实验顺序设计,统计计算。,22, 3, 773-793 (2012) ·Zbl 1252.62081号
[5] 贝兰特,一月;爱德华·J·杜德维茨(Edward J.Dudewicz)。;拉兹洛·戈菲;Van der Meulen,Edward C.,《非参数熵估计:概述》,《国际数学杂志》。统计科学。,6, 1, 17-39 (1997) ·兹比尔0882.62003
[6] Barron J.Bichon。;迈克尔·S·埃尔德雷德。;佩顿·斯威勒,劳拉;桑达拉·马哈德万;McFarland,John M.,非线性隐式性能函数的有效全局可靠性分析,AIAA J.,46,10,2459-2468(2008)
[7] 伊利亚斯·比利奥尼斯;Zabaras,Nicholas,《多输出局部高斯过程回归:应用于不确定性量化》,J.Compute。物理。,231、17、5718-5746(2012年)·Zbl 1277.60066号
[8] 伊利亚斯·比利奥尼斯;尼古拉斯·扎巴拉斯;布莱达尔·科诺米(Bledar A.Konomi)。;Lin,Guang,《多输出可分离高斯过程:实现不确定性量化的高效、完全贝叶斯范式》,J.Compute。物理。,241, 212-239 (2013) ·Zbl 1349.76760号
[9] 骑士,克莱门特;David Ginsbourger;朱利安·贝特;埃曼纽尔·巴斯克斯;维克托·皮奇尼;Richet,Yann,基于快速平行克里金的逐步不确定性减少及其在偏移集识别中的应用,《技术计量学》,56,4(2014)
[10] 骑士,克莱门特;维克托·皮奇尼;Kriginv,David Ginsbourger,基于kriging的批处理顺序反演策略的高效且用户友好的实现,计算。统计数据分析。,71, 1021-1034 (2014) ·兹比尔1471.62043
[11] 文森特·杜伯格(Vincent Dubourg);苏德雷特,B。;Deheeger,F.,基于元模型的结构可靠性分析重要性抽样,Probab。工程机械。,33, 47-57 (2013)
[12] 埃查德,B。;北卡罗来纳州盖顿。;Lemaire,M.,Ak-mcs:一种结合kriging和Monte Carlo模拟的主动学习可靠性方法,Struct。安全。,33, 2, 145-154 (2011)
[13] Engelund,S。;Rackwitz,R.,《结构可靠性中重要抽样技术的基准研究》。安全。,12, 255-276 (1993)
[14] Faravelli,L.,可靠性分析的响应面方法,J.Eng.Mech。,115, 12, 2763-2781 (1989)
[15] 北卡罗来纳州盖顿。;Bourinet,J.M。;Lemaire,M.,CQ2RS:可靠性分析响应面方法的新统计方法,Struct。安全。,25, 99-121 (2003)
[16] 彼得·霍尔(Peter Hall);Sally C.Morton,《关于熵的估计》,《Ann.Inst.Stat.Math.》。,第45页,第169-88页(1993年)·Zbl 0776.62038号
[17] 欢、荀;Marzouk,Youssef M.,非线性系统基于仿真的最佳贝叶斯实验设计,J.Compute。物理。,232, 1, 288-317 (2013)
[18] Harry,Joe,《熵的估计和多元密度的其他泛函》,Ann.Inst.Stat.Math。,41, 4, 683-697 (1989) ·Zbl 0698.62042号
[19] Kennedy,Marc,具有非正态逼近函数的贝叶斯求积,统计计算。,8, 4, 365-375 (1998)
[20] 李静;李景来;Xiu,Dongbin,计算罕见失效概率的有效替代方法,J.Compute。物理。,230, 24, 8683-8697 (2011) ·Zbl 1370.65005号
[21] Ling,Li;朱利安·贝特;Vazquez,Emmanuel,贝叶斯子集模拟:一种基于kriging的子集模拟算法,用于估计小失效概率(2012)
[22] 龙、泉;马克·斯卡维诺(Marco Scavino);劳尔·坦彭;Wang,Soojin,基于拉普拉斯近似的贝叶斯实验设计预期信息增益的快速估计,计算。方法应用。机械。工程,259,24-39(2013)·Zbl 1286.62068号
[24] 杰弗里·麦克拉克伦;Peel,David,有限混合模型(2004),John Wiley&Sons·Zbl 0963.62061号
[25] 杰里米·奥克利;O'Hagan,Anthony,计算机模型输出不确定性分布的贝叶斯推断,Biometrika,89,4769-784(2002)
[26] Jeremy E.Oakley,复杂计算机模型的决策理论敏感性分析,技术计量学,51,2,121-129(2009)
[27] 杰里米·奥克利(Jeremy E.Oakley)。;安东尼·奥哈根,《复杂模型的概率敏感性分析:贝叶斯方法》,J.R.Stat.Soc.,Ser。B、 统计方法。,66, 3, 751-769 (2004) ·Zbl 1046.62027号
[28] 安东尼·奥哈根(Anthony O'Hagan),《贝叶斯-海米特求积法》(Bayes-Hermite quadrature),《J.Stat.Plan》。推理,29,3,245-260(1991)·Zbl 0829.65024号
[29] 安东尼·奥哈根;Kingman,J.F.C.,预测曲线拟合和优化设计,J.R.Stat.Soc.B,1-42(1978)·Zbl 0374.62070号
[30] Rajashekhar,M.R。;Ellingwood,B.R.,可靠性分析响应面方法的新视角,结构。安全。,12, 205-220 (1993)
[31] 鲁宾斯坦,R.Y。;Kroese,D.P.,《交叉熵方法》(2004),Springer Science+Business Media,Inc.:纽约州纽约市Springer科学+商业媒体公司·兹比尔1232.90142
[32] 杰罗姆·萨克斯(Jerome Sacks);威廉·J·韦尔奇。;托比·J·米切尔。;Wynn,Henry P.,《计算机实验的设计与分析》,统计科学。,409-423 (1989) ·Zbl 0955.62619号
[33] 舒勒,G.I。;Pradlwarter,H.J。;Koutsourelakis,P.S.,《高维可靠性评估程序的关键评估》,Probab。工程机械。,19463-474(2004年)
[34] Spall,James C.,使用同时扰动梯度近似的多元随机近似,IEEE Trans。自动。控制,37,3,332-341(1992)·Zbl 0745.60110号
[35] Spall,James C.,随机优化的同时扰动算法的实现,IEEE Trans。Aerosp.航空公司。电子。系统。,34, 3, 817-823 (1998)
[36] 王慧;周翔,混合物的交叉熵方案,ACM Trans。模型。计算。模拟。,25, 1, 6 (2015) ·Zbl 1369.65006号
[37] 克里斯托弗·基·威廉姆斯(Christopher KI Williams);Rasmussen、Carl Edward,《机器学习的高斯过程》,麻省理工学院出版社,2006年第2、3、4页·Zbl 1177.68165号
[38] 雅典娜·齐特鲁;蒂姆·贝德福德;Daneshkhah,Alireza,《维修决策的稳健性:不确定性建模和信息价值》,Reliab。工程系统。安全。,120, 60-71 (2013)
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。