Ανάλυση αξιοπιστίας και Μπεϋζιανή επικαιροποίηση στη μηχανική των κατασκευών με χρήση ενεργητικής μάθησης

Περίληψη

Η Ποσοτικοποίηση της Αβεβαιότητας (Uncertainty Quantification – UQ) στη μηχανική παρέχει ένα συστηματικό πλαίσιο για την αξιολόγηση της επίδρασης αβέβαιων παραμέτρων στην απόκριση, την ασφάλεια και την επιτελεστικότητα σύνθετων συστημάτων. Στο πλαίσιο αυτό, η ανάλυση αξιοπιστίας και η Μπεϋζιανή επικαιροποίηση αποτελούν δύο βασικά προβλήματα. Η ανάλυση αξιοπιστίας αποσκοπεί στην εκτίμηση της πιθανότητας αστοχίας ή δυσμενούς απόκρισης ενός συστήματος, μέσω της διάδοσης των αβέβαιων παραμέτρων εισόδου σε υπολογιστικά προσομοιώματα. Από την άλλη πλευρά, η Μπεϋζιανή επικαιροποίηση αξιοποιεί πειραματικές παρατηρήσεις ή μετρήσεις από αισθητήρες για την εκτίμηση αβέβαιων παραμέτρων του προσομοιώματος και τη μείωση της αρχικής αβεβαιότητας, βελτιώνοντας έτσι την προβλεπτική του ικανότητα. Ο συνδυασμός της Μπεϋζιανής επικαιροποίησης με την ανάλυση αξιοπιστίας επιτρέπει την αξιολόγηση της αξιοπιστίας ενός συστήματος βάσει βαθμονομημένων παραμέτρων και επικαιροποιημένων περιγραφών της αβεβαιότητας ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Uncertainty quantification supports the assessment of structural safety and the interpretation of observations through computational models. Its application to complex engineering systems often requires a large number of expensive model evaluations, particularly when estimating rare event probabilities or inferring uncertain model parameters. This Thesis addresses these computational challenges through active learning surrogate modelling for structural reliability analysis and Bayesian updating. In structural reliability analysis, accurate estimation of small failure probabilities can require a large number of expensive structural model evaluations. To reduce this computational cost, the quantified active learning Kriging (qAK) method combines a Kriging surrogate with active learning to concentrate structural model evaluations near the limit-state surface. A probabilistic measure of misclassification and weighted clustering guide the selection of batches of informative training points. ...
περισσότερα
Η διατριβή είναι δεσμευμένη από τον συγγραφέα  (μέχρι και: 10/2028)
DOI
10.12681/eadd/62937
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/62937
ND
62937
Εναλλακτικός τίτλος
Reliability analysis and Bayesian updating in structural engineering using active learning
Συγγραφέας
Πρέντζας, Ιωάννης (Πατρώνυμο: Αθανάσιος)
Ημερομηνία
10/2026
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Πολιτικών Μηχανικών. Τομέας Δομοστατικής. Εργαστήριο Αντισεισμικής Τεχνολογίας
Εξεταστική επιτροπή
Φραγκιαδάκης Μιχαήλ
Παπαδόπουλος Βησσαρίων
Μπαδογιάννης Ευστράτιος
Παπαδημητρίου Κωνσταντίνος
Straub Daniel
Ανυφαντής Κωνσταντίνος
Παπαϊωάννου Ιάσων
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία ➨ Επιστήμη Πολιτικού Μηχανικού ➨ Δομοστατική
Λέξεις-κλειδιά
Αξιοπιστία κατασκευών; Μπαυεσιανή επικαιροποίηση; Ενεργητική μάθηση
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
πιν., σχημ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.