- 博客(6)
- 资源 (1)
- 收藏
- 关注
原创 稀疏网格理论进行不确定性反求
概述稀疏网格理论是由 Smolyak 在1963年提出,后来由 Novak和 Ritter发展起来的。采用稀疏网格理论求解模型不确定性反问题,是建立在待反求参量关于已知不确定性模型参量的逆向系统模型的基础上,通过对不同阶次各不确定性模型参量积分准则的张量积进行线性组合,用以近似多维积分。求解方法令u和w分别表示单一不确定模型参量的积分点和对应权重,这些点可以根据概率分布得到,下表给出了常用分布取点方式由稀疏网格技术生成的具有k级(k≥0)精度的d维采样点Ud,由稀疏网格的张量积规则Smolyak算
2022-05-15 17:02:56 1906
原创 Model模块(UQLab)
简介如今,计算模型已用于自然科学、社会科学和工程的大多数领域。 UQLAB 平台的目的是量化模型参数中的不确定性对此类模型预测的影响。本文描述了如何在 UQLab 平台中定义这样的计算模型。模型可以像 Matlab 句柄函数或 Matlab.m 文件一样简单。可以通过将第三方代码包装到 m 文件中来使用它们。不确定量化中常见模型有:分析函数、数值模型、第三方代码包装、工作流。UQLAB MODEL 模块提供了一个方便的工具,可以在不确定性量化分析中包含前三种类型的模型(函数、数值模型和包装器)。方法
2022-04-25 19:40:06 2578 3
原创 点估计法进行不确定性反求
上一篇:点估计法的正问题计算不确定性反问题假设系统存在独立不相关的n个随机变量U(u1,u2,…,un)以及待反求参量X(x1,x2,…,xq),它们和响应Z存在关系:Z的值唯一且已知,g为系统方程, X是需要通过计算反求方法进行识别的模型参量。基于上述的系统方程,当已知模型参量和测量响应的值均唯一时,相应地,可以获得待识别参量唯一的解。当模型参量 U带有不确定性时,待识别参量 X将会获得一系列对应 U不同取值的解。因此,对于模型不确定性反问题,不确定性将从已知模型参量中传递到待反求参量中,需要根据
2022-04-23 18:03:51 260
原创 基于概率密度函数的点估计法进行不确定性分析
概述在工程实际中,由于制造误差、测量误差以及环境因素的影响,部分结构参数和系统输入不可避免地存在一些不确定性。在一些工程问题中,通常需要考虑这一类模型参数给计算反求结果带来的影响,当这些模型参数的不确定性以概率的形式呈现时,它们通常被考虑为随机变量来处理。本文介绍一种基于概率密度函数的点估计法,对包含随机变量的问题进行处理。单变量点估计法设 Z = h(X),其中X为随机变量且概率密度函数为fx (x)。σx,μx为X的标准差、均值,X的i阶中心矩为:定义:i=1,2时λ为0,1,i=3,4时
2022-04-21 21:57:53 895
uqlab-rel2.0.0工具箱
2022-04-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人