Importance analysis for model with mixed uncertainties

در مهندسی، اطلاعات ناقص یا نادرست اغلب منجر به عدم اطمینان معرفتی در مورد پارامترهای توزیع متغیرهای ورودی عصبی می شود. جداسازی و ارزیابی مشارکتهای فردی از تغییرات حادثه ای و عدم قطعیت پارامتر معرفتی به عدم قطعیت در خروجی مدل می تواند در تخصیص منابع برای جمع آوری داده ها کمک کند، زیرا تغییرات طبیعی غیر قابل تحمل است در حالی که عدم قطعیت پارامتر قابل کاهش است. برای سیستم های ساختاری که شامل ورودی های حقیقی با پارامترهای توزیع معرفتی است، نوع جدیدی از معیار اهمیت برای تشخیص و اندازه گیری مشارکت های فردی این دو نوع عدم قطعیت پیشنهاد شده است، که در آن توزیع احتمال برای توصیف عدم اطمینان اتفاقی استفاده می شود و تابع عضویت فازی برای نشان دادن پارامتر توزیع معرفتی استخدام شده است. خواص ریاضی اهداف پیشنهادی پیشنهادی مورد بحث و اثبات قرار گرفته است. اندازه گیری اهمیت تعریف شده آسان است، و می تواند مشارکت متغیرهای عقلانی و عدم قطعیت پارامتر معرفتی را حتی زمانی که اطلاعات پارامتر های معرفتی بسیار پراکنده است، ارزیابی کند. بنابراین، آنها می توانند اهمیت دو نوع عدم اطمینان را منطقی تر اندازه گیرند. برای برآورد موثر اهداف پیشنهادی مهم، یک تئوری تک توانی برای عملکرد مدل و فرآیند تحول احتمالی انجام می شود. نتایج نشان می دهد که مقادیر شدید عملکرد مدل در هر سطح عضویت به طور کلی می تواند با ترکیب محدودیت های عضویت در پارامترهای توزیع فازی بدست آید. بر اساس تجزیه و تحلیل تک تنه، یک الگوریتم کارآمد برای محاسبه اهداف پیشنهادی پیشنهاد شده است. چندین مثال نشان دهنده عقلانیت و کارآیی اهداف پیشنهاد شده و کارایی الگوریتم ارائه شده است.