کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8051546 1519374 2018 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Discussions on non-probabilistic convex modelling for uncertain problems
ترجمه فارسی عنوان
بحث در مدل سازی محدب غیر احتمالی برای مشکلات نامشخص
کلمات کلیدی
تجزیه و تحلیل عدم قطعیت، روش های مدل سازی محدب غیر احتمالی، تجزیه و تحلیل همبستگی، معیار ارزیابی،
ترجمه چکیده
مدل غیر احتمالاتی محدب از مجموعه محدب برای اندازه گیری دامنه عدم قطعی پارامترهای نامعلوم اما محدود استفاده می کند که برای تحلیل عدم قطعیت ساختاری با داده های آزمایشگاهی محدود یا ضعیف کیفیت بسیار موثر است. برای غلبه بر پیچیدگی و تنوع فرمولاسیون مدل های محدب کنونی، در این مقاله یک چارچوب متحد برای ساخت مدل های محدب غیر احتمالی پیشنهاد شده است. با معرفی تکنیک تجزیه و تحلیل همبستگی، بیان ریاضی یک مدل محدب می تواند به راحتی پس از ایجاد ماتریس همبستگی پارامتر های نامشخص ایجاد شود. از همه مهمتر، از سطح تحلیل نظری، یک معیار ارزیابی برای روش های مدل سازی محدب پیشنهاد شده است که می تواند به عنوان یک استاندارد آزمون برای اعتبار سنجی روش بعدی مدل های محدب پیشنهاد شده در نظر گرفته شود. و از سطح کاربرد عملی، دو شاخص ارزیابی مدل پیشنهاد شده است، که با توجه به آن، سازگاری مدل های محدب مختلف با یک مسئله نا مشخص مشخص با نمونه های آزمایشی داده می شود. برای نشان دادن اثربخشی این مطالعه، چهار نمونه عددی مورد بررسی قرار گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
بحث در مدل سازی محدب غیر احتمالی برای مشکلات نامشخص
چکیده انگلیسی
Non-probabilistic convex model utilizes a convex set to quantify the uncertainty domain of uncertain-but-bounded parameters, which is very effective for structural uncertainty analysis with limited or poor-quality experimental data. To overcome the complexity and diversity of the formulations of current convex models, in this paper, a unified framework for construction of the non-probabilistic convex models is proposed. By introducing the correlation analysis technique, the mathematical expression of a convex model can be conveniently formulated once the correlation matrix of the uncertain parameters is created. More importantly, from the theoretic analysis level, an evaluation criterion for convex modelling methods is proposed, which can be regarded as a test standard for validity verification of subsequent newly proposed convex modelling methods. And from the practical application level, two model assessment indexes are proposed, by which the adaptabilities of different convex models to a specific uncertain problem with given experimental samples can be estimated. Four numerical examples are investigated to demonstrate the effectiveness of the present study.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 59, July 2018, Pages 54-85
نویسندگان
, , ,