کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6447649 1641782 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Calibration of empirical models considering model fidelity and model robustness - Focusing on predictions of liquefaction-induced settlements
ترجمه فارسی عنوان
کالیبراسیون مدل های تجربی با توجه به اعتبار مدل و استحکام مدل - تمرکز بر پیش بینی های شهرک های ناشی از مایع سازی
کلمات کلیدی
مدل های تجربی، تبدیل به مایع، مدل وفاداری، استحکام مدل، بهینه سازی چند هدفه، کالیبراسیون مدل احتمالی توافق،
ترجمه چکیده
اغلب مدل های تجربی مبتنی بر داده ها که در طراحی ژئوتکنیک پذیرفته می شوند، دارای درجهت عدم اطمینان هستند. در نتیجه، مهم این است که این عدم قطعیت را قبل از کاربرد آن در تجزیه و تحلیل ژئوتکنیک به منظور صحت نهایی طراحی نهایی انجام دهید. رویکردهای کالیبراسیون مدل احتمالاتی معمول، مانند برآورد حداکثر احتمال و روش بیزی، فقط بر مدل وفاداری تمرکز می کنند (اندازه گیری شده از طریق، به عنوان مثال احتمال). این رویکردها اغلب مدل هایی را با عدم اطمینان مدل بزرگ، به ویژه هنگامی که داده های مشاهده شده پراکنده هستند، تولید می کنند. یک عدم قطعیت مدل بزرگ منجر به تغییرات بزرگی در پیش بینی مدل شده است، که یک چالش مهم در طراحی ژئوتکنیکی است. در این مقاله، ما یک رویکرد کالیبراسیون مدل جدید ارائه می دهیم که می تواند هر دو مدل و وفاداری و استحکام مدل را در نظر بگیرد. روش جدید کالیبراسیون مدل ارائه می دهد راه برای تعادل اهداف مدل وفاداری و ثبات مدل. از آنجا که مدل اطمینان و استحکام مدل دو هدف متضاد است، رویکرد جدید شامل یک بهینه سازی چند هدفه است که منجر به یک جبهه پارتو می شود که رابطه تجاری بین اعتماد به مدل و استحکام مدل را تعیین می کند. با اجرای یک سطح مشخصی از قابلیت اطمینان، تنوع در پیش بینی مدل می تواند کاهش یابد، که ضعف اصلی رویکردهای احتمالی سنتی را که تنها بر اعتماد مدل تمرکز می کند، برطرف می کند. رویکرد جدید از طریق برنامه های کاربردی برای پیش بینی مسکن ناشی از مایع سازی نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات مهندسی ژئوتکنیک و زمین شناسی مهندسی
پیش نمایش مقاله
کالیبراسیون مدل های تجربی با توجه به اعتبار مدل و استحکام مدل - تمرکز بر پیش بینی های شهرک های ناشی از مایع سازی
چکیده انگلیسی
Most data-driven empirical models adopted in the geotechnical design have various degrees of uncertainty. Consequently, it is important to properly calibrate this uncertainty prior to its application in the geotechnical analysis to ensure the integrity of the final design. The conventional probabilistic model calibration approaches, such as maximum likelihood estimate and Bayesian method, focus only on model fidelity (measured through, for example, likelihood). These approaches often yield models with a large model uncertainty, especially when the observed data are scattered. A large model uncertainty leads to a large variation in the model prediction, which poses a significant challenge in a geotechnical design. In this paper, we propose a new model calibration approach that can consider both model fidelity and model robustness. The new model calibration approach offers a way to balance the objectives of model fidelity and model robustness. Because model fidelity and model robustness are two conflicting objectives, the new approach involves a multi-objective optimization that leads to a Pareto front, which defines a tradeoff relationship between model fidelity and model robustness. By enforcing a certain level of robustness, the variation in the model prediction can be reduced, which overcomes the major weakness of the traditional probabilistic approaches that focus solely on model fidelity. The new approach is demonstrated through applications to the problems of liquefaction-induced settlement prediction.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Geology - Volume 203, 25 March 2016, Pages 168-177
نویسندگان
, , , , ,