کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7180963 | 1467864 | 2016 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Reducing forecast uncertainty by using observations in geotechnical engineering
ترجمه فارسی عنوان
کاهش عدم قطعیت پیش بینی با استفاده از مشاهدات در مهندسی ژئوتکنیک
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تسریع داده ها، تجزیه و تحلیل معکوس، مهندسی ژئوتکنیک، روش مشاهده،
ترجمه چکیده
این مقاله دو مفاهیم ریاضی برای به دست آمدن داده ها را توضیح می دهد. تساوی داده های ترتیبی و متغیری، یک سیستم تصادفی را که با مشاهدات نااطمینی به روز می شود، در نظر می گیرد. این مفاهیم، با استفاده از مشاهدات، عدم قطعیت شبیه سازی را کاهش می دهد. دو مطالعه موردی نشان می دهد که کاربرد هر دو مفاهیم در مشکلات مهندسی ژئوتکنیک. اولین مورد مورد بحث در مورد امکان و محدودیت مفهوم جذب داده های متوالی در یک مثال نظری است، در حالی که مطالعه مورد دوم نشان دهنده ترکیبی از اندازه گیری های حل و فصل و یک مدل زیرزمینی تصادفی با استفاده از تحریف داده های متنوع است. علاوه بر این، مفهوم پیش بینی عدم اطمینان پیش بینی در مورد مورد دوم نشان داده شده است. در نهایت، بررسی مختصر مفاهیم فرضیه داده ها و رویکرد اندازه گیری عدم قطعیت پیش بینی داده شده همراه با نتیجه گیری برای تحقیقات بیشتر داده می شود.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی مکانیک
چکیده انگلیسی
This paper explains two mathematical concepts for data assimilation. The sequential and variational data assimilation consider a stochastic system, which is updated by uncertainty observations. These concepts reduce the simulation uncertainty by using observations. Two case studies show the applications of both concepts in geotechnical engineering problems. The first case study is discussing the possibilities and limitations of the sequential data assimilation concept in a theoretical example, whereas the second case study is demonstrating the combination of settlement measurements and a stochastic subsoil model by means of variational data assimilation. Additionally, the concept of forecast uncertainty quantification is demonstrated in the second case study. At the end a brief review of the data assumption concepts and the given forecast uncertainty quantification approach is given together with conclusions for further research.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Probabilistic Engineering Mechanics - Volume 45, July 2016, Pages 212-219
Journal: Probabilistic Engineering Mechanics - Volume 45, July 2016, Pages 212-219
نویسندگان
Maximilian Huber,