کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6711036 503320 2015 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Importance sampling based algorithm for efficient reliability analysis of axially loaded piles
ترجمه فارسی عنوان
الگوریتم مبتنی بر نمونه برداری اهمیت برای تحلیل قابلیت کارآمد پیل های محوری
کلمات کلیدی
مونت کارلو، نمونه گیری اهمیت، توده، قابلیت اطمینان، شفت دریچه، احتمال شکست
ترجمه چکیده
در تجزیه و تحلیل قابلیت اطمینان، روش ماته کارلو خام شناخته شده است که به صورت محاسباتی مورد نیاز است. برای بهبود بهره وری محاسباتی، این مقاله الگوریتم مبتنی بر نمونه گیری اهمیت دارد که می تواند برای ارزیابی قابلیت اطمینان کارآمد برای شمع های لجستیک محوری استفاده شود. تغییرات فضایی خواص خاک در طول طول شمع، با استفاده از مدل تصادفی تصادفی در نظر گرفته می شود که در آن میانگین، واریانس و طول همبستگی به منظور آماری برای مشخص نمودن یک فیلد تصادفی استفاده می شود. روش محلی تقسیم بندی میانگین برای تولید زمینه های تصادفی استفاده می شود. در هر تحقق، زمینه های تصادفی به عنوان ورودی به روش انتقال بار قابل اعتماد برای ارزیابی رفتار جابجایی بار یک شمع محوری محور استفاده می شود. شکست به عنوان رویدادی تعریف می شود که جابجایی عمودی در سطح شمع بیشتر از جابه جایی مجاز است. با نمونه برداری بیشتر از منطقه مورد علاقه و سپس مقیاس دادن شاخص به تابع نسبت تراکم احتمالی، سرعت الگوریتم همگرایی را می توان در الگوریتم نمونه گیری اهمیت پیشنهادی با حفظ همان دقت در روش متمایز مونت کارلو بدست آورد. دو مثال برای نشان دادن دقت و کارایی روش پیشنهادی داده شده است. نشان داده شده است که برآورد بر اساس روش نمونه گیری اهمیت پیشنهادی بی فایده است. علاوه بر این، اندازه نمونه ها می تواند به شدت در روش توسعه کاهش یابد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
الگوریتم مبتنی بر نمونه برداری اهمیت برای تحلیل قابلیت کارآمد پیل های محوری
چکیده انگلیسی
In reliability analysis, the crude Monte Carlo method is known to be computationally demanding. To improve computational efficiency, this paper presents an importance sampling based algorithm that can be applied to conduct efficient reliability evaluation for axially loaded piles. The spatial variability of soil properties along the pile length is considered by random field modeling, in which a mean, a variance, and a correlation length are used to statistically characterize a random field. The local averaging subdivision technique is employed to generate random fields. In each realization, the random fields are used as inputs to the well-established load transfer method to evaluate the load-displacement behavior of an axially loaded pile. Failure is defined as the event where the vertical movement at the pile top exceeds the allowable displacement. By sampling more heavily from the region of interest and then scaling the indicator function back by a ratio of probability densities, a faster rate of convergence can be achieved in the proposed importance sampling algorithm while maintaining the same accuracy as in the crude Monte Carlo method. Two examples are given to demonstrate the accuracy and the efficiency of the proposed method. It is shown that the estimate based on the proposed importance sampling method is unbiased. Furthermore, the size of samples can be greatly reduced in the developed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Geotechnics - Volume 65, April 2015, Pages 278-284
نویسندگان
, ,