באמצעות מונטה קרלו סימבולציה כדי למנוע את ההשפעה של אי-וודאויות בתחזיות של תחזיות סטריקטל

מבוא: ניווט בלתי-וודאות בהנדסה מבנית

מהנדסים סטרקטיטוריים מתמודדים עם אתגר בסיסי: תכנון מבנים, גשרים ותשתיות שחייבים לעמוד בפני כוחות שאי אפשר לחזות בהם בוודאות מושלמת, גלי הרוח, תנועות רעידת אדמה, עומסי חיים מהתושבים, וריאציות כוח חומריות, וסובלנות בנייה כל אלה מציגים אי ודאות לתחזיות.

מאמר זה מספק מחקר מקיף של מונטה קרלו סימולציה כפי החל על תחזיות עומס מבניות.זה מכסה את המקורות ואת האופי של אי-וודאויות, מכניקה של שיטות מונטה קרלו, צעד אחר צעד יישום הדרכה, הטבות ומגבלות, שילוב עם טכניקות ניתוח אחרות, ויישומים בעולם האמיתי.מהנדסים חדשים כדי שיטות הסתברותיות להשיג הבנה מעשית, בעוד מתרגלים מנוסים ימצאו שיקולים מתקדמים לשיפור סימולציה.

הבנה של תחזיות טעינה סטרקטיטוריות

תחזיות טעינה אינן מדויקות אף פעם, משום שהקלטים הקובעים שהן שונות לחלוטין. אי-וודאות יכולות להיות מסווגות לשלושה סוגים רחבים: aleatory (redom Natural variability), אפיסטמי (חוסר ידע), וחוסר ודאות מודל (התראות וטעויות בייצוגים מתמטיים) כל סוג משפיע על תחזיות שונות ודורש טיפול ספציפי במסגרת מונטה קרלו.

מקורות של אלטרנס

אי הוודאות של החטיפה נובעת מן האקראיות הטבוע של תופעות פיזיות.בעומסים מבניים, מקורות מרכזיים כוללים:

• (FLT:0) עומסי בטיחות: מהירות הרוח וכיוון, הצטברות שלג, גובה גל, תנועות אדמה ותנודות טמפרטורה.אלה תהליכים סטוכאיים ביותר המתוארים על ידי התפלגות הסתברות המוצמדת לנתונים היסטוריים.
• (FLT:0) עומסי חיים: 1FLT דפוסים של אוccupancy, תעבורת רכב, מיקום רהיטים והשימוש בציוד תעשייתי. Live עומסים משתנים עם הזמן והמרחב, לעתים קרובות מתודגם באמצעות סקרים במשרה חלקית או תהליכי Poisson.
• (FLT:0) תכונות אוויריות: FLT:1 כוח דחוס, לחץ פלדה מניב, מודולי עץ של גמישות, ויכולת נושא הקרקע.

מקורות של Unquity

אי הוודאות האפיסטמית נובעת מהנתונים המוגבלים או מהבנה שאינה שלמה.ניתן להפחית אותה עם מדידות נוספות או מודלים משופרים, אך היא לעולם לא נעלמת לחלוטין.

• (ב) ⁇ :0) משגיאות חישוב: 1FLT:1 Inaccuracacacities בבדיקות מנהרות רוח, סחף חסון, וטעויות דיגיטציה מסקרי שדה.
• (FLT:0) ו-Vagueness in Code order: FIRLT:1) קודים עיצוב רושמים ערכים שמרניים שעשויים לא לשקף תנאים ספציפיים לאתר.ההבדל בין עומסי קוד לבין עומסים בפועל הוא צורה של אי ודאות אפיסטמית.
• (ב) תנאים: 0 (בלטינית: 0) 1FLT:1 נוקשות יסוד לא ידועה, תיקון חיבור או אינטראקציה עם מבנים סמוכים.

מודל ללא ספק

גם עם נתונים של קלט מושלם, המודלים המתמטיים המשמשים לחיזוי עומסים מציגים שגיאות. תחזיות יסוד פינטיט, שילובי עומס פשוטים, לינאריזציה של התנהגות לא ליניארית כולם תורמים.חוסר ודאות מודל מיוצגת לעתים קרובות על ידי גורם רב-אפיבי עם התפלגות הסתברות הנגזרת ממחקרים אימות נגד בדיקות בקנה מידה מלא או סימולציות נאמנות גבוהות.

יחד, אי-וודאויות אלה יוצרות מגוון של עוצמות עומס אפשריות ולא מספר אחד.גישות ⁇ מסורתיות משלבות ערכים הגרועים ביותר של כל פרמטר, אשר יכול להיות שמרני מדי כאשר פרמטרים אינם קשורים. מונטה קרלו סימולציה את האינטראקציה של אי-ודאות מרובות ומייצרת הפצה מלאה של אפקטים עומס, המאפשרת למהנדסים לבחור ערכים להשגת רמת אמינות יעד ללא פסולת.

מה זה מונטה קרלו סימציה?

מונטה קרלו סימולציה היא טכניקה חישובית המשתמשת דגימה אקראית כדי להשוות את ההפצה ההסתברותית של משתנה פלט תלוי קלט אחד או יותר לא בטוח.שם לאחר הקזינו במונקו (בגלל ההסתמכות שלו על אקראיות), השיטה פותחה במהלך פרויקט מנהטן על ידי מדענים כולל Stanislaw Ulam, John von Neumann, ו-Ni Nicholasis היום, היא אבן הפינה של סיכון בניתוח, פיזיקה, ועוד שדות פיזיקה רבים אחרים.

העיקרון הבסיסי הוא פשוט: במקום לפתור משוואה אנליטית מורכבת להסתברות של עומס העולה על סף, הסימולציה היא אלפי או מיליוני תרחישים "מה אם" בכל תרחיש, כל פרמטר לא בטוח מוקצה ערך אקראי שנלקחה באופן אקראי מהתפלגות ההסתברות מוגדרת שלה.מודל העומס מבני הוא אז מוערכ עם סט של קלטות, והתוצאה היא לאחר הרבה, איסוף של תוצאות של הסתברות גבוהה יותר, כלומר, התפלגות ההסתברות גבוהה יותר, כלומר, הסתברות של התפלגות ההסתברות, הסתברות, מ התפלגות ההסתברות אמיתית, התפלגות ההסתברות, התפלגות ההסתברות, התפלגות ההסתברות, התפלגות ההסתברות, התפלגות ההסתברות, כלומר, התפלגות ההסתברות, הסתברות, הסתברות, התפלגות ההסתברות, התפלגות ההסתברות גבוהה יותר מ התפלגות ההסתברות, התפלגות ההסתברות, לאחר התפלגות ההסתברות, התפלגות ההסתברות, לאחר התפלגות ההסתברות גבוהה יותר מ התפלגות ההסתברות זה יכול להיות התפלגות ההסתברות, לאחר הסתברות, לאחר התפלגות ההסתברות, לאחר התפלגות ההסתברות, לאחר הסתברות, לאחר התפלגות ההסתברות זה יכול להיות התפלגות ה

גישה זו מציעה מספר יתרונות על ניתוח דטרמיוני:

• זה באופן טבעי מהווה מתאם בין פרמטרים קלט (למשל, עומס רוח ועומס קרח עשויים להיות גבוהים במהלך סערה בחורף).
• הוא מספק תמונה מלאה של חלוקת התפוקה, לא רק הערכה נקודה.
• היא יכולה להתמודד עם כל סוג של התפלגות הסתברות, כולל התפלגות לא נורמלית, מחוספסת או אמפירית שמקורה בנתונים.
• הוא עובד עם מודלים שחורים של ארגז (למשל, סולרי יסוד סופיים) מבלי לדרוש מידע ⁇ או נגזר.

יישום מונטה קרלו סימציה ל- Structural Load Assessment

יישום סימולציה מונטה קרלו עבור תחזיות עומס מבני כרוך ברצף שיטתי של שלבים.ההליך המפורט הבא מניח שהמהנדס יש גישה לחבילת תוכנה ניתוח מבני (הספקת תסריט או אצווה) והבנה בסיסית של התפלגות הסתברות.

שלב 1: זיהוי פרדוקסים בלתי בטוחים

התחל על ידי רישום כל משתנים קלט המשפיעים על העומס של עניין. עבור קרן פשוטה, אלה עשויים לכלול עומס מת מבוזר, עומס חי אינטנסיביות, כבד משקל עצמי, וכוח החומרי. עבור מבנה מורכב כמו גשר ארוך טווח, לשקול מהירות רוח, גורם גור, אינטנסיביות סוער, צפיפות תנועה, ⁇ s תרמיים, ונוקשות אדמה.

שלב 2: פיזור אחריות

לחתום על התפלגות הסתברות לכל פרמטר לא ברור. השתמש בנתונים בעת הזמינות: ניתן להתאים את התפלגות מהירות הרוח לרשומות של 50 שנים תוך 50 שנים באמצעות תורת ערך קיצונית; כוח קונקרטי בדרך כלל עוקב אחר הפצה נורמלית עם coefficient of Varit של וריאציות סביב 10-15%. כאשר נתונים הם בקושי, להשתמש בשיפוט מומחה כדי לציין צורת הפצה וגבולות סבירים לתפוצה משותפת עבור עומסים מבניים כוללים:

• (בלטינית:0)Normal (Gaussian): קיד 1 (ב) לפרמטרים עם וריאציות סימטריות, כגון כוח תשואות פלדה (עם סובלנות מקובלת).
• (ב) ⁇ :0) ⁇ : ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) [15] (הטפה אני ערך קיצוני): אנדרט 1 לעומסים השנתיים המקסימליים, כגון גלי רוח שיא או רמות מבול מקסימליות.
• (ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

שלב 3: בחרו טכניקת חנינה

פשוט אקראית sampling שואבת כל קלט באופן עצמאי מההפצה שלה, בעוד קל ליישם, זה עשוי לדרוש מספר גדול מאוד של קטורות כדי לכסות את חלל הקלט באופן אחיד.

• (FLT:0) היפרקולבי סמפלינג (LHSreaing): התפלגות 1:1 מתחלק כל טווח קלט לתוך מרווחים סבירים שווים שואבת דגימה אחת מכל מרווח ללא תחליף.LHS מבטיחה כיסוי טוב יותר בכל מרחב קלט, לעתים קרובות להפחית את מספר הסימולציות הדרוש על ידי סדר גודל.
• (FLT:0) ריכוז הדגימות באזורים של מרחב הקלט המשפיעים ביותר על הפלט (למשל, עומסים קיצוניים) מועיל במיוחד כאשר ההסתברות של כישלון היא קטנה מאוד (למשל, 10-6), כפי שאמפלינג אקראי צריך מיליוני פיצוצים כדי לצפות בכישלון יחיד.
• (FLT:0)Quasi-Monte קרלו:FreaLT:1) השתמש רצפים של הצלחות בעלות נמוכה רדיפטטיבית (למשל, Sobol, Halton) כדי להשיג התכנסות מהירה יותר מאשר דגימה אקראית טהורה.

עבור רוב הערכות העומס מבני, Hypercube Sampling עם 1,000 עד 10,000 היציאות מספק דיוק מספיק. אימות התכנסות על ידי בדיקת כי התפלגות התפוקה אינה משתנה באופן משמעותי בעת הוספת דגימות נוספות.

שלב 4: לרוץ סימלציה

עבור כל גלגול, מודל העומס המבני מבוצע עם מערכת קלט המדגם.זה עשוי לכלול הפעלת מתווך סופי פתרון, אלגוריתם הפצה של עומס מאוחר יותר, או חישוב יד פשוט.אוטומטי את התהליך באמצעות תסריטים או כלי סימולציה מובנה (למשל, MATLAB, Python עם OpenSees או Abaqus, או תוכנה מיוחדת כמו OpenTURNS, דקוטה, או @RIS ערך עבור הפלט המקסימלי (RIS).

שלב 5: אנליז את הפצת ה- Output

ברגע שכל הסימולציות הושלמו, אוסף ערכי התפוקה יוצר פונקציה מצטברת אמפירית (CDF).

• (ב) ,0) מאן ו סטיית תקן: FLT:1, מספק נטייה מרכזית והפצת עומסים חזו.
• (הופנה מהדף ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (התקבלות של תפוצה:0) מידת ההתעלות: (FLT:1) עבור יכולת נתונה (עומס עיצוב), לחדד את שיעור הסימולציות שבו עומס עולה על יכולת זו – זהו הערכה של ההסתברות לכישלון.
• (FLT:0Sרגישות ניתוח:0) זיהוי אשר פרמטרים קלט לתרום ביותר לפלט השחלות באמצעות קידודים או תחליפים (למשל, פסיקות סובול) מסייע עדיפות לאיסוף נתונים וניסיונות הזיכוך.

דוגמה: Wind Load on a Low-Rise Building

שקול מהנדס עם מהירות רוח לא בטוחה, גסות שטח, וגאומטריה בניין מהירות רוח עוקב אחר התפלגות מסטיק עם מהירות הפניה 50 שנים של 40 מ ' / s (mean) טרה-חוספס הוא מודל למשתנה אקראי דיסקרטי (פתוח, פרברי, עירוני) עם יעילות של 0, 0.5, 0.3. יחס הבניין (height / with) הוא אחיד בין 0.3 ל -2 מעלות צלזיוס) הוא ניסיון של לחץ גבוה יותר מאשר 0.

היתרונות העיקריים של מונטה קרלו סימציה עבור עומסים סטריקטיים

הגישה הפרוביביליסטית מציעה יתרונות מוחשיים על שיטות רדיניסטיות, מה שמוביל לתכנוןים חזקים ויעילים יותר.

המונחים: Risk Quantification

סימולציה מונטה קרלו מספקת הטבות מפורשות לרמות עומס שונות.במקום לומר "עומס העיצוב הוא 100 kN", מהנדס יכול לקבוע "יש הסתברות של 95% כי העומס המקסימלי לא יעלה על 120 kN, ו -99% ההסתברות שהוא לא יעלה על 150 kN" "זה מאפשר קבלת החלטות מושכלת בסיכון, כגון איזון עלויות הבנייה הראשוניות נגד תחזוקה וכישלון הצפוי על פני חיי החברה.

אופטימיזציה בטיחות מרג'ינס

גורמי בטיחות לטווח ארוך הם לעתים קרובות ערכי שמיכה שאינם נבדלים בין חוסר ודאות מובנת היטב ואומללה-ברמה-ברמה-לא-ודאות.דמיית מונטה קרלו מאפשרת למהנדסים לכוון מדד אמינות מסוים (β) או הסתברות לכישלון שנתי. גשר המיועד להסתברות שנתית של 0.001% עלולה להיות מעוצבת יתר על המידה עבור מבנה זמני עם חיי שירות של 10 שנים.

זיהוי סודיות קריטית

באמצעות ניתוח הרגישות העולמי, מונטה קרלו סימולציה מדגיש כי פרמטרים יש השפעה רבה ביותר על תחזיות עומס.תובנות אלה מדריכות איסוף נתונים.לדוגמה, אם הסטייה הסטנדרטית של נוקשות הקרקע תורמת מעט לשלשות של עומסי בסיס, משאבים הם מנוצלים טוב יותר מדידת משככי רוח עם דיוק גבוה יותר.

תקשורת עם בעלי מניות

תוצאות פרוביביליסטיות הן אינטואיטיביות: "יש סיכוי של 1 מתוך 100 שהעומס יעלה על X" מעביר סיכון ברור יותר מאשר "העומס הוא X פעמים הערך הדומינלי" שקיפות זו בונה אמון עם לקוחות, מורדים, והציבור. Monte קרלו פלטים ניתן לדמיין כמו שלוטוגרם, תקליטורים, או ⁇ קרורדו, מה שהופך את אי הוודאות מפורשתנה מאחורי גורם בטיחות.

קוד ה-CDC Calibration

בניית קודים עצמם יותר ויותר מותאמים באמצעות שיטות פרוביביליסטיות.לדוגמה, פיתוח של עיצוב עומס והתנגדות (LRFD) בארצות הברית הסתמך על סימולציות מונטה קרלו נרחב כדי להפיק גורמים עומסים להשיג אמינות אחידה על פני שילובים שונים של עומסים.מהנדסים באמצעות מונטה קרלו בפרקטיקה שלהם לתרום להבנה עמוקה יותר של הנחות קוד ולזהות מצבים שבהם הקוד עשוי להיות שמרני מדי או תחת פיקוח.

שיקולים מעשיים והגבלות

בעוד שסימולציה מונטה קרלו היא לא פנאצה מהנדסים חייבים להיות מודעים למגבלות שלה ואתגרים מעשיים.

עלויות פיצוי

כל סימולציה דורשת הערכה למודל העומס המבני.עבור מבנים מורכבים עם מודלים של יסוד סופיים נאמנות גבוהה, כל ריצה עשויה לקחת דקות עד שעות.ריצה אלפי סימולציות הופכת למניעה חישובית.

• באמצעות מודלים חלופיים (metaמודלs) מאומן על מספר קטן של ניהול נאמנות גבוהה, ולאחר מכן ביצוע מונטה קרלו על הסוגים הפונדקאית המשותף כוללים הרחבת הכאוס הפולנומי, תהליך גאוסיאני (קריגה), ורשתות עצביות.
• אימוץ שיטות הדגימה יעילות (LHS, הדגימה בחשיבות) כדי להפחית את מספר ההאקרים הנדרשים.
• סימולציה ריצה במקביל ליצירות מרובות-core או אשכולות מחשוב בענן.

המונחים: Input Distributions

Garbage in, הזבל החוצה.אם ההסתברות שהוקצה התפלגות לא משקפת את המציאות, פלטי הסימולציה יהיו מטעה.המאמץ הגדול ביותר במחקר מונטה קרלו צריך להיות מובזבז על אי-ודאות בנוגע לא-ודאות של נתונים אמינים, מחיאות מומחים, ואימות. לאירועים נדירים, זנבות של התפלגות החומר בעיקר, אך התנהגות זנב היא לעתים קרובות ניתוח הרגישות הפחות ידוע.

שחיתות בין Inputs

קלטות רבות אינן עצמאיות - מהירות רוח וכיוון רוח מתואמים; עומס מת עשוי להיות מתוקשר עם עומס חי בסוגים של דיקור. התעלמות יכול להוביל לתחתית של עומס פנויות. סימולציה מונטה קרלו יכול לשלב קורלציה באמצעות שוטרים או צ'ולסקי decomposition של מהנדסי ממטריקס.

הערכה של

אין מספר קסם של סטיות שעובדות עבור כל הבעיות.התמדה חייבת להיות מאומתת על ידי ניטור היציבות של סטטיסטיקות של תפוקה מפתח (למשל, 95 אחוזים) כגודל הדגימה עולה.פרקטיקה נפוצה היא להפעיל מספר רב של אצילות עצמאיות ולבדוק כי התוצאות שונות על ידי פחות מסובלנות מוגדרת.

הגבלת מודל

סימולציה מונטה קרלו אינה נכונה לשגיאות שיטתיות במודל הפיזי הבסיסי.אם לנוסחת חישוב העומס עצמה יש הטיה (למשל, זה לחץ רוח מופרז על צורת גג מסוימת), הסימולציה תפיץ את ההטיה.מודל אימות נגד נתונים ניסיוניים או מדידות שדה הוא חיוני לפני הפעלת סימולציות.

שילוב מונטה קרלו עם שיטות אחרות

כדי להתגבר על כמה מגבלות ולהגדיל יכולות, סימולציה מונטה קרלו משולבת לעתים קרובות עם טכניקות חישוביות אחרות.

שיטת פיתוח פינטיט (FEM)

השילוב הנפוץ ביותר: מונטה קרלו מספקת את התפלגות העומס קלט, ו- FEM קובע את התגובה המבנית לכל מימוש.זה ידוע כניתוח יסוד סופי סטוצ'יסטיק.זה משמש נרחב בהנדסה גיאוטכנית (למשל, יציבות מדרונית עם תכונות אדמה אקראיות) ומבנים אוויר (עומסים תרמיים על לוחות מורכבים).

ניתוח אחריות (FORM/SORM)

שיטת הסתמכות על הסדר הראשון (FORM) ו-II-Desitance Method (SORM) הדומה להסתברות הכשלון באמצעות נוסחאות אנליטיות, הרבה יותר מהר ממונטה קרלו, עם זאת, הם מסתמכים על הנחות של הפצה רגילה ומדינות מוגבלות ליניאריות. Monte קרלו יכול לשמש כלי אימות לתוצאות M/SO, או לשמש כנפילה כאשר התחזיות מתפרקות (מדינות שאינן מוגבלות).

ניתוח רגישות

מונטה קרלו באופן טבעי מספק נתונים לניתוח רגישות גלובלית.שיטות מבוססות משתנה (Sobol Indices) מרתיעות את הפלט לתוך תרומות מכל קלט ואינטראקציות שלהם.זה עוזר עדיפות אשר אי ודאות להפחית ניתוח רגישות יכול גם לזהות אילו קלטות הן לא חשובות, ומאפשר להם להיות קבוע בערכים הממוצעים שלהם בסימולציות עתידיות, צמצום מימדיות.

בייסיאן קם

כאשר מדידות חדשות הופכות זמינות (למשל, מ ניטור בריאות מבני), שיטות Bayesian יכולות לעדכן את התפלגות ההסתברות של פרמטרים לא בטוחים, אשר לאחר מכן להאכיל לתוך סימולציה חדשה של מונטה קרלו.זה יוצר מסגרת הערכה של סיכון דינמי שמשפר את החיים של המבנה.

יישומים אמיתיים ומקריות

סימולציה מונטה קרלו הוחלה על מגוון רחב של בעיות עומס מבניות על פני מגזרים שונים.הדוגמאות הבאות ממחישות את ההשפעה המעשית שלה.

גשר Load Rating

סוכנויות תחבורה להשתמש סימולציה מונטה קרלו כדי להעריך את ההסתברות כי גשרים ההזדקנות יכולים בבטחה לשאת עומסי תנועה נוכחיים.לא בטוח כוללים אובדן סעיף פלדה עקב קורוזיה, השפלה כוח קונקרטית, נפח התנועה היומי. מחקר של גשר truss פלדה בן 50 הראה כי דירוג העומס הניקודסטי הצביע על גבול 30 טון, אבל הדירוג הפרוביציוניסטי מצא הסתברות של 95% כי הגשר יכול לשאת בבטחה 35 טון, ללא יכולת נסיגה יקרה, אשר מאפשר עלייה משמעותית.

המונחים: wave Loading

תכנון פלטפורמות offshore דורש חיזוי גובה גל וכוחות להשתנות עם מדינת ים, זרמי האוקיינוס, וגמישות מבנית. סימולציה מונטה קרלו עם אלפי של 3 שעות ים הגשמה המדינה מעריך את עומס הגל הקיצוני לתקופה של 100 שנים החזרה. התוצאות להנחות את הבחירה של גדלים ערימות והגדרות חזייה. 1 פלטפורמה דיווחה ירידה 15% במשקל פלדה בהשוואה לגישה דטריסטית, חיסכון של מיליוני דולרים, תוך שמירה על אותה אמינות.

הנדסה רעידת אדמה

ניתוח סיכונים סיסמית' מייצר עקומות תנועה קרקעיות (למשל, הסתברות ש- PGA עולה על 0.3g ב 50 שנים) מונטה קרלו משלבת אלה עם עקומות בנייה כדי להעריך את ההסתברות של קריסת. גישה זו תחת pins ביצועים מבוסס הנדסה רעידת אדמה (PBEE), שהוגדרו ב FEMA P-58 ו- ASCE 41 מהנדסים להשתמש מונטה קרלו כדי להעריך אסטרטגיות שונות של רטרופיט, אחד צפוי להפחית הפסד שנתי.

Wind Turbine Loads

עבור טורבינות רוח, עומסים משתנים עם מהירות רוח, אינטנסיביות סוערת, ערפל, וזווית קדמית קרלו סימולציה של המודל האירוליסטי של טורבינות מייצרת התפלגות של עומסי עייפות על חיי העיצוב של 20 שנה. יצרנים להשתמש בתוצאות אלה כדי לייעל צורות להב ורכיבי הנעה, איזון ייצור אנרגיה עם אמינות.

כיוונים עתידיים

התרגול של סימולציה מונטה קרלו בהנדסה מבנית ממשיך להתפתח, מונע על ידי התקדמות במחשוב, זמינות נתונים ופיתוח אלגוריתמי.

שילוב עם Machine Learning

מודלים של הפרדה המבוססים על רשתות עצביות או תהליכים גאוסיים יכולים להפוך את מונטה קרלו סדרי סימולציה של גודל מהר יותר. חוקרים חוקרים בוחנים אסטרטגיות למידה פעיל שבו הפונדקאית מאומן באופן הדרגתי באזורים של מרחב קלט שהם רלוונטיים ביותר לתחום הכישלונות. למידה עמוקה יכולה גם ליצור שדות סטוצ'סטיים ריאליים (למשל, תכונות אדמה משתנות מרחביות) ישירות, האכלה לתוך הסימולציה.

הערכה אמיתית של זמן

עם האינטרנט של דברים ונתונים בזמן אמת חיישן, מבנים ניתן להעריך באופן רציף.דמיית מונטה קרלו שפועלת על התפלגות פרמטר מעודכנת בזמן אמת יכול לספק התראות סיכון במהלך אירועים קיצוניים (למשל, רצף רעידת אדמה לאחר חורבן). אדג 'תקני מחשוב עשוי בקרוב להיות מסוגל להפעיל קודים פשוטים מונטה קרלו באתר.

ענן ו- Parallel Computing

מחשוב בעל ביצועים גבוהים בענן הופך אותו לעמיד מבחינה כלכלית כדי להפעיל מיליוני סטיות עבור מודלים בעלי נאמנות גבוהה.מהנדסים יכולים להתמודד עם בעיות שהיו בעבר בלתי-רחוק, כגון ניתוח של אלמנט סופי תלת מימדי מלא של בניין גבוה תחת עומס רוח סטוצ'יסטי עם אפקטיביות בלחץ מתואמת.

כמות בלתי-בטוחה ב- Digital Twins

תאומים דיגיטליים - העתקים וירטואליים של מבנים פיזיים - באופן חוזר על סימולציות סטוצ'סטיות לביצועים של חיזוי.שיטות מונטה קרלו יהיו מרכזי לעדכן תאומים אלה עם נתוני מדידה ומריצים סימולציות חיזוי עבור תזמון תחזוקה.שילוב של תאומים דיגיטליים והערכה עומס פרוביניסטי מבטיח להפוך את ניהול התשתית מתגובה ליזום.

מסקנה

סימולציה מונטה קרלו מספקת מסגרת קפדנית וגמישה לכמת את ההשפעה של אי-ודאות בתחזיות עומס מבניות.על ידי מעבר לגורמי בטיחות מכריעים ואימוץ התפלגות הסתברות, מהנדסים מקבלים הבנה עמוקה יותר של הסיכונים שלהם הפנים עיצובים שלהם.השיטה מאפשרת שולי בטיחות אופטימיזציה, חיסכון בעלויות, תקשורת ברורה יותר עם בעלי עניין הנדסיים ובקרת נתונים להישאר אתגרים, התקדמות במודלים, מחשוב, ומכונה למידה גמישה במהירות כדי להוסיף כלי יעיל של אבטחה מבנית של טיפולית של ידע, אך לא-זמנית, אך לא-זמנית, אך לא-זמנית, אך לא-מחדשה, כמו גם עם ניהול פרופיל יעיל של אבטחה, אך ניהול פרופיל יעיל של אבטחה הנדסית של אבטחה, אך ניהול יעיל של ידע-זמנית, אך ניהול יעיל של אבטחה הנדסית, אך ניהול יעיל של ניהול יעיל של אבטחה הנדסית, בעוד שברשותה, בעוד שברשותה, היא יעילה, היא יעילה, היא יעילה, בעוד שברשותה, בעוד שברשותה, בעוד שברשותה, היא יעילה, היא יעילה של ניהול דרישות הנדסית, בעוד שברשותה, בעוד שברשותה, בעוד שברשותה, היא ניהול דרישות הנדסית, בעוד שברשותה, היא ניהול דרישות הנדסית, בעוד שברשותה,

(ב) ויקרא י"ד:

• לטיפול מתמטי עמוק בשיטות מונטה קרלו, ראה את המאמר:0Wikipedia על שיטת מונטה קרלובייט FLT:1.
• האגודה האמריקאית למהנדסי אזרחים (ASCE) מספקת הנחיות על עיצוב עומס מבוסס הסתברות והתנגדות:0.
• המעבדה להנדסה של NIST מציעה כלים חישוביים עבור אי-ודאות קוונטית:0 הנדסת מכונות מעבדה הנדסת מכונות NIST הנדסה מעבדהFLT:1.
• ספר לימוד מעשי: "אחריות של מבנים" מאת ורוז' ס. נובאק וקווין ר' קולינס מכסה את יישומי מונטה קרלו בהנדסה מבנית.
• עבור יישום תוכנה, חבילת הקוד הפתוח:0 OpenTURNSFLT:1 כולל סימולציה מונטה קרלו ושיטות אמינות מתקדמות.