הנדסה אזרחית עומדת על הצומת של שלמות מבנית ואת האופי הבלתי צפוי של חומרי הבנייה.כפי שפרויקטים של תשתיות גדלים בקנה מידה ומורכבות, מהנדסים מתמודדים עם לחץ גובר על היכולת הטבוע בחומרים כמו בטון, פלדה ומורכבים. Reliance על גורמי בטיחות קבועים לעתים קרובות מסיכה את פרופיל הסיכון האמיתי, המוביל לסימולציה תעשייתית יקרה או גרוע יותר, על מנת להפחית את יעילותם של חומרים מבניים, על ידי קרלו, על ידי אימוץ יעיל של שיטות חשיבה אזרחית, על ידי מודלים של מודלים של מודלים אמיתיים, אשר מונעים, אשר מונעים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים משפטיים, אשר אינם יציבים, אשר נועדו יעילה יותר, אשר אינם יציבים, אשר אינם יציבים, אשר אינם יציבים, אשר אינם יציבים, אשר אינם יציבים, אשר אינם יציבים, אשר נועדו באופן ברור יותר, אשר אינם יציבים, אשר נועדו באופן ברור יותר, אשר אינם יציבים, אשר אינם יציבים

הבנה של מגוון חומרי בהנדסת אזרחים

חומרי בנייה הם heterogeneous. Concrete, למשל, מציג הבדלים משמעותיים בחוזק דחיסה עקב הבדלים ביחס לאספקת מים, ריפוי טמפרטורה, איכות מצטברת וקומפקטיות במהלך המיקום. Steel עשוי להראות סטייה בחוזק הניבה ודוכסיות בהתאם לתהליך הייצור וטיפול חום.

מקורות של ניידות חומרית יכולים להיות מסווגים באופן רחב לשלושה סוגים: אקראיות טבועה (אי ודאות מכרעת), טעות מדידה וחוסר ודאות מודל. אקראיות בלתי-רצינית נובעת מהתנודות הטבעית של הרכב החומרי ותנאי הייצור.טעות מדידה נובעת ממגבלות של ציוד בדיקה וגורמים אנושיים.מודל מאי ודאות משקפת את התוספת המוצגת כאשר מתרגמת התנהגות פיזית למשוואות מתמטיות.

מבחינה היסטורית, מהנדסים אזרחיים הצליחו אי הוודאות על ידי יישום גורמי בטיחות - שוליות פשטות כי נפח עומסי עיצוב או להפחית את יכולות החומריות. בעוד גישה זו פשוטה ומופצת בסטנדרטים רבים של עיצוב (למשל, ACI 318, יורוקוד 2), אינה מספקת מידה כמותית של בטיחות.

מה זה מונטה קרלו סימציה?

מונטה קרלו סימולציה היא טכניקה חישובית המשתמשת דגימה אקראית חוזרת כדי להשיג תוצאות מספריות, בדרך כלל עבור מערכות המושפעות על ידי קלטות לא בטוח.שם לאחר קזינו מונטה קרלו בשל הסתמכותו על ההזדמנות, השיטה פותחה במהלך פרויקט מנהטן כדי ללמוד סטיות נויטרונים דיפוזיה ומאז הפך אבן הפינה של הנדסה אזרחית, מונטה קרלו מטפל כל חומר לא בטוח כמו הסתברות אקראית של מהנדסינרמולאוקס (למשל, לדוגמה), או מדגימות PDF, או מדגימות מחקר קריטי של הדגמה מבנית של PDF, או הסתברות, או הסתברות, או הסתברות, 000).

בניגוד לניתוח ⁇ סטי, אשר מייצר תוצאה אחת, סימולציה מונטה קרלו מניבה הפצה של תוצאות.חוק המספרים הגדולים מבטיח כי ההתפלגות הסימולציה מתאחדת להתפלגות האמיתית כמו מספר הדגימות גדל.מהנדסים יכולים להעריך את ההסתברות כי תגובה מבנית עולה על סף - זה ההסתברות של כישלון (PLT:0ffph: 1LT).

מאפיינים מרכזיים של מונטה קרלו סימלוט בעיצוב מבני

  • (FLT:0) Input Modeling:cioFLT:1) כל נכס חומרי מוקצה חלוקה מייצגת (למשל, נורמלי, glonormal, Weibull) עם פרמטרים המוערך מנתוני הבדיקה.בחירה קפדנית היא קריטית: לדוגמה, חוזק דחיסה של בטון הוא לעתים קרובות מודל עם הפצה רגילה כי זה לא יכול להיות שלילי ומציג התנהגות נכונה.
  • (FLT:0) תלוי או קורב הקשור ל-Sampling: FigalLT:1) Properties המציגות תלות, כגון חוזק רב-עוצמה ומודולוס אלסטי בקרן פלדה, יש לדגום באמצעות וקטורים אקראיים תואמים (למשל, באמצעות צ'ולסקי דהקום של ממטריקס covariance).
  • מודל סטרקטיטורי (FLT:0) של מודל מודולרי: ⁇ 1 (FLT:1) הליבה הניתוח - לעיתים קרובות מודל יסוד סופי (FEM) או פתרון חד-form אנליטי - מוערכ לכל סט קלט מדגום.המודל חייב להיות יעיל מספיק מבחינה חישובית כדי לתמוך במספר הנדרש של ריצות.
  • (FLT:0)Post-Procesing.FLT:1 תוצאות מצטברות לתוך הולוגרמות, פונקציות הפצה מצטברות (CDFs), וניתוח זנב. Sרגישות אינדיקציות (למשל, Sobol Indices) ניתן לסווג את ההשפעה של כל משתנה קלט על השחלות הפלט.

צעדים ליישום מונטה קרלו סימבולציה

המתודולוגיה לשילוב סימולציה מונטה קרלו בתכנון מבני הנדסה אזרחית עוקבת אחר זרימת עבודה שיטתית.למטה, כל צעד מתרחב עם שיקולים מעשיים ומכשולים טיפוסיים.

שלב 1: זיהוי נכסים חומריים קריטיים

החל על ידי סקירה של בעיית העיצוב המבנית. אילו תכונות חומריות משפיעות ביותר על קריטריונים של ביצועים לפי שיקול - סטרנג, יכולת שירות (דזה, רוחב סדק), יציבות (התעסקות), או עמידות (fatigue, קורוזיה)? מועמדים נפוצים כוללים כוח דחיסה קונקרטי (F've:0cFLT:1), כוח פלדה (fLT:2yFLT: 3) ניתוח גמיש, Retras) ו-reative Reduction (אפקטיבי (אפקטיבי)

שלב 2: פיזור אחריות

עבור כל נכס מזוהה, לאסוף נתונים של מבחן ייצוג מתעודות חומר, ספרות, או בדיקות ספציפיות לפרויקט. Fit סטטיסטית הפצה באמצעות estimation או שיטת-of-moments. בחירת ההפצה משפיעה על התנהגות הזנב - חיוני לניתוח אמינות.

  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) , אספקת ה-[[1790]]
  • (ב) ,0) ,(הופנה מהדף פלדה: ⁇ 1) נורמלי (נאמנות נמוכה)
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ⁇ :0) ,5b, ⁇ (בלטינית: ⁇ ) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

הערכה של קידוד וריאציות (COV) עבור כל נכס.טווח COV טיפוסי: כוח דחיסה קונקרטי 10-20%, פלדה מניב כוח 5–10%, מודולים גמישים של בטון 5–8%, ו-Cretretend coefficient 15–30%. עבור תרחישים של איסוף נתונים, השתמש במידע לפני או דעה מומחה כדי להגדיר גבולות שמרניים.

שלב 3: בניית מודל ה-Comutational

לפתח או לאמץ מודל מבני שמקבל את המשתנים קלט ומצמיד את כמות התגובה של עניין.זה יכול להיות נוסחה אנליטית פשוטה (למשל, beam de השתקפות = 5wLigFLT:04FLT:1 / (03EI) או מודל מפורט של סימולציה (FEM) כי ללכוד גיאומטריה מורכבת, התנהגות לא לינארית, תופעות זמן תלויות צריך להיות בטוח כדי ללכוד את המודל הפיזיקלי באופן אוטומטי.

שלב 4: הפעל את הסימציה ואנליז תוצאות

(ב) שימוש בסביבת תכנות כגון MATLAB, Python (עם ספריות כמו NumPy, SciPy, PyMC), או תוכנה מיוחדת כמו @RISK, OpenSees, או Abaqus עם גנרטור חומר אקראי, לצייר דגימות עצמאיות מן ההתפלגות קלט והערכה של המודל המבני עבור כל אחד.מספר טיפוסי של סימולציות נע בין 10,000 ל-1 000, בהתאם לדיוק עבור הסתברות נדירה (F:2Fling)

[הרצאה] לעיין בתפוקה של ה-[[המאה ה-20]], ב[[1924]], ב[[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]] [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]]]]]]]] [[[[1924]]]] [[[[1966]]]]]]]]]] [[1966]]]]]] [[[[1924]]]]]]]]]]]] [[1924]]]] [[[[1924]]]]]]]] [[1966]] [[1966]] [[[[[[[[1966]]]]

היתרונות של מונטה קרלו סימלציה

אימוץ סימולציה מונטה קרלו בהנדסה אזרחית מציע יתרונות מוחשיים המשתרעים מעבר לשקייה תיאורטית.כל תועלת מוצפת על ידי היכולת לכמת את אי הוודאות במפורש.

  • (FLT:0) שיפור הבטיחות: FLT:1ir במקום להניח ערך חומרי חד-כיוני יחיד, הסימולציה מגלה את טווח התשובות המבניות האפשריות.מהנדסים יכולים להגדיר מטרות המבוססות על רמות סיכון מקובלות, כגון הגבלת הסתברות לכישלון ל 10reaFLT:2-5FLT 3 עבור מבנים קריטיים.
  • (FLT:0) יעילות השימוש בחומר: FLT:1 על ידי החלפת הנחות ⁇ שמרניות מדי עם מטרות פרובביליסטיות, שימוש בחומר יכול להיות מותאם.לדוגמה, עיצוב תערובת קונקרטי עם כוח נמוך יותר עשוי להיות מקובל אם החלוקה המלאה מראה סיכוי קטן מאוד של ביצועים לא מספיקים, חיסכון משמעותי בעלויות ייצור משמעותי ותחבורה בפרויקט גדול.
  • (FLT:0) אמינותה של Reliability:FreaLT:1 סימולציה מונטה קרלו חוקרת באופן שיטתי שילובים של תכונות חומריות שאינן אפשריות עדיין.זה מזהה מנגנונים כשלים שניתן להחמיץ בניתוח הגרוע ביותר במקרים קיצוניים.לדוגמה, ירידה בו זמנית בכוח קונקרטי ועלייה בדלונות פלדה עלולה להוביל לכישלון דוקטרילי בלתי צפוי באינטראקציה משותפת של אמם-קום - מונטה קרלו תברח.
  • (FLT:0) קבלת החלטות: ההרחבה הפרוביביליסטית מספקת בסיס חד-משמעי להחלטות הנדסיות, למפקחים, ולבטחים ניתן להציג עם מדדי סיכון אובייקטיביים.היכולת לבצע ניתוחים "מה-אם" - למשל, מה קורה לכשלון אם ה-COV המדויק מופחת מ -15% ל -10% - תמיכה בתכניות אבטחה איכותיות.
  • (ב) [ה]העיצוב מבוסס האחריות הוא יותר ויותר משותף: [הועדה] לקודים מודרניים:2 [הועדה לשמירת הסביבה] (JCSS) 3LT:3 ו-FLT:4 ISO 2394FLT:5 תומך בשיטות פרובינציאליות.

אתגרים וכיוונים עתידיים

למרות כוחו, סימולציה מונטה קרלו אינה תחליף לנטייה הנוכחית.יש להתגבר על כמה מכשולים לאימוץ רחב יותר.

עלויות פיצוי

הפעלת מאות אלפי ניתוחים של יסוד סופיים היא יקרה מבחינה חישובית, במיוחד כאשר מדובר במודלים גדולים ולא לינאריים.עבור בניין מורכב יחיד או גשר, סימולציה מונטה קרלו מלאה עשויה לדרוש ימים של חישוב.עלות זו יכולה להיות מופחתת על ידי שימוש במודלים חלופיים, מחשוב ענן, או טכניקות מתקדמות של הדגימה.

Input Data Quality

הפלט של סימולציה מונטה קרלו הוא רק טוב כמו התפלגות קלט.אם בדיקות חומרים הם ספאר, מוטה, או לא נציג של תנאי שדה בפועל, המהימנות תהיה בלתי אמינה. עבור חומרים נפוצים רבים, מסדי נתונים מקיפים קיימים (למשל, National Concrete and Masonry Database, נתוני הנכסים המכניים של מכון פלדה) עם זאת, עבור חומרים חדשים יותר כמו ביצועים קונקרטיים או תוספת מוחשית, דורש גם תכונות ניסיון חיים ייעודי.

שחיתות בין משתנים

תכונות חומריות שונות מתכוונות לעתים קרובות.לדוגמה, בחוזק קונקרטי, דחיס גבוה נוטה לקשור עם מודולו גמיש גבוה יותר.בפלדה, התשואה וכוחים מוחלט הם מתואמות באופן חיובי. Ignoring אלה יכול לעוות את ההפצה ההסתברותית של תגובה מבנית.מודלינג מתאם דורש הבנה חזקה של מבנה covariance, אשר עשוי לא להיות זמין מהנתונים מתקדמים סטנדרטיים כגון שוטרים יכול להיות יותר לוכדת, אבל הם להוסיף מורכבות אחרת.

חינוך ואינטגרציה כלי

מהנדסים רבים אינם מאוכשרים בניתוח פרוביביליסטי.עדכונים ותכניות חינוך מתמשך נדרשים לבנות היכרות עם שיטות מונטה קרלו ופרשנות של תוצאות.ספקי תוכנה משלבים גם מודולים פרוביביליסטיים לכלי ניתוח (למשל, SAP2000, ETABS, קרלו) כלים אלה מתאימים להתפלגות אוטומטי, דגימה, ופוסט-מעבד, הורדת המחסומים הטכניים של ה-FELTS: סימולציית HD2F:

כיוונים עתידיים

  • (FLT:0) Machine Learning Surrogates: ערפילית:1 ו- Gaussian תהליך רגרסיה ניתן לאמן על סט מוגבל של FEM הוא קרוב לתגובת המבנית.זה מאפשר הערכה כמעט בלתי נמנעת של מיליוני דגימות, צמצום דרמטי של זמן חישובי.
  • (FLT:0) סימולציה בזמן אמת במהלך הבנייה:FreaLT:1 עם נתוני חיישן ממערכות ניטור (למשל, מדפי זנים, מד תאוצה, מאידרמונים), מהנדסים יכולים לעדכן התפלגות רכוש חומרי בזמן אמת באמצעות אי השוויון של Bayesian, ולאחר מכן להפעיל סימולציות הסתגלות מונטה קרלו כדי להעריך שלמות מבנית מתפתחת.
  • (FLT:0) אינטגרציה עם Life-Cycle Analysis:FLT 1:1 מונטה קרלו סימולציה ניתן להרחיב כדי מודל של השפלה במשך עשרות שנים - קורוזיה, עייפות, מצמרר - על ידי שילוב תהליכים אקראיים תלויי זמן.זה מאפשר עבור מחזור חיים פרובביליביניסטי עלות עלות מחזור חיים ועל תכנון תחזוקה.
  • (FLT:0) תיאום והתאמה: FLT:1 כפי שמיזמים נוספים מפגינים את הערך של עיצוב מבוסס אמינות, קודי בנייה ימשיכו להתפתח לרישיון - ובסופו של דבר דורשים - אימות פרוביביליסטי למבנים בסיכון גבוה מסוימים.

מסקנה

סימולציה מונטה קרלו משנה כיצד מהנדסים אזרחיים ניגשים לזמינות חומרית, מחליפים שולי בטיחות סטטיים עם תובנה דינמית, פרוביביליסטית.על ידי דגימה שיטתית של תכונות לא בטוחות של בטון, פלדה וחומרים אחרים, מהנדסים יכולים להעריך את הסיכויים לכישלונות, לזהות נהגים רגישים, ואופטימיזציה של עיצובים עבור בטיחות וכלכלה כאחד, בעוד דרישות חישוביות נתונים נשאר מחסומים, התקדמות במודלים, מחשוב, מחשוב ענן, והופכים את האינטגרציה הופכת את התקני אבטחה יותר יעילה יותר, אך היא יעילה יותר, אך אינה יעילה יותר, אך ורק סטנדרטית לפיתוח, אך היא יעילה יותר, אך ורק סטנדרטית של טכנולוגיה מתקדמת יותר, אך היא יעילה יותר, אך היא יעילה יותר, אך ורק לתקני אבטחה קרלו, אך ורק סטנדרטית, אך היא יעילה יותר, אך ורק סטנדרטית תקן יעיל יותר, בעוד דרישות חישובית, אך ורק מתודולוגיה, אך ורק הנדסת משאבים סטנדרטית, אך ורק מתודולוגיה, בעוד דרישות חישובית פיתוח, אך ורק מתודולוגיה, אך ורק מתודולוגיה של טכנולוגיה מתקדמת יותר, בעוד דרישות חישובית, בעוד דרישות חישובית פיתוח, בעוד דרישות חישובית, בעוד דרישות חישובית, בעוד דרישות חישובית פיתוח, אך ורק הנדסת משאבי אנושה, בעוד דרישות

(ב) לקריאה נוספת על עיצוב פרובביליסטי בהנדסה אזרחית, להתייעץ עם עקרונות כללי FLT:0 JCSS Probabilistic Model Code CodeFLT:1 ו-FLT:2 ISO 2394:2015 עקרונות כלליים על מהימנותם של מבנים ראשיים של יישום מעשי של קודר 3 (FLT:4STRUCT) פרסמו את סדרת האמינות המבוססת על אמינות מבוססת אמינות עיצוב:5F:5GIR LT5 ו-Fucural.