SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky

Podobné dokumenty
4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod

Téma 4: Stratifikované a pokročilé simulační metody

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 3 Metoda LHS, programový systém Atena-Sara-Freet

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Odhad stavu matematického modelu křižovatek

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

Pozn. 1. Při návrhu aproximace bychom měli aproximační funkci vybírat tak, aby vektory ϕ (i) byly lineárně

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

Tomáš Karel LS 2012/2013

Cvičení 9. Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET. Software FREET Simulace metodou LHS

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Kombinatorická minimalizace

Odhad parametrů N(µ, σ 2 )

Regresní analýza 1. Regresní analýza

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

Odhad parametrů N(µ, σ 2 )

1. Přednáška. Ing. Miroslav Šulai, MBA

6. Lineární regresní modely

Změna hodnoty pozice v důsledku změn tržních cen.

PRAVDĚPODOBNOSTNÍ ANALÝZA SPOLEHLIVOSTI A ŽIVOTNOSTI ŽELEZOBETONOVÝCH MOSTŮ

AVDAT Klasický lineární model, metoda nejmenších

Vρ < πd 2 f y /4. π d 2 f y /4 - Vρ = 0

Interpolace pomocí splajnu

6. Lineární regresní modely

Numerická matematika Písemky

Téma 3: Metoda Monte Carlo

Numerické metody a programování. Lekce 8

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

aneb jiný úhel pohledu na prvák

Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

Úvod do optimalizace, metody hladké optimalizace

Náhodné (statistické) chyby přímých měření

Měření závislosti statistických dat

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Typy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)

Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Regresní analýza. Eva Jarošová

Strukturální regresní modely. určitý nadhled nad rozličnými typy modelů

Statistická analýza jednorozměrných dat

LINEÁRNÍ REGRESE. Lineární regresní model

Stanovení akustického výkonu Nejistoty měření. Ing. Miroslav Kučera, Ph.D.

Inovace bakalářského studijního oboru Aplikovaná chemie

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

Kanonická korelační analýza

AVDAT Nelineární regresní model

Statistická analýza jednorozměrných dat

Regresní a korelační analýza

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

Přednáška 13 Redukce dimenzionality

Tomáš Karel LS 2012/2013

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Příloha D Navrhování pomocí zkoušek

Pravděpodobnost a aplikovaná statistika

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

Časové řady, typy trendových funkcí a odhady trendů

Regresní a korelační analýza

Časové řady, typy trendových funkcí a odhady trendů

Řízení projektů. Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT

Globální matice konstrukce

Teorie náhodných matic aneb tak trochu jiná statistika

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

Aproximace a interpolace

4EK211 Základy ekonometrie

Korelační a regresní analýza

Úvod do teorie měření. Eva Hejnová

8. Normální rozdělení

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

Statistická analýza dat

Regresní a korelační analýza

4. Aplikace matematiky v ekonomii

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Změna hodnoty pozice v důsledku změn tržních cen.

Učební plán 4. letého studia předmětu matematiky. Učební plán 6. letého studia předmětu matematiky

České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM

Lineární regrese. Komentované řešení pomocí MS Excel

Téma je podrobně zpracováno ve skriptech [1], kapitola 6, strany

Metoda nejmenších čtverců Michal Čihák 26. listopadu 2012

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016

12. cvičení z PST. 20. prosince 2017

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Normální (Gaussovo) rozdělení

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Aplikovaná numerická matematika

Kalibrace a limity její přesnosti

Rovinná úloha v MKP. (mohou být i jejich derivace!): rovinná napjatost a r. deformace (stěny,... ): u, v. prostorové úlohy: u, v, w

Odhady Parametrů Lineární Regrese

Geometrické transformace

6. Lineární regresní modely

Výběrové charakteristiky a jejich rozdělení

Transkript:

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1

část 5 Aproximační techniky 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 2

Odhad rozdělení simulace metodou MC vrací statistickou množinu hodnot rezervy spolehlivosti často potřebujeme stanovit nejvhodnější typ pdf statistické testy: Kolmogorov Smirnov, Chi-square test fungují celkem dobře pro rozdělení zvonovitého tvaru problémy: nedostatečná databáze typů rozdělení, pdf nezvonovitého tvaru! p f fitted 0 Obrázek 1. Odhad rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 3

Cornellův index spolehlivosti aproximace je založena na předpokladu, že rezerva spolehlivosti Z je normálně rozdělena potřebujeme střední hodnotu m Z a směrodatnou odchylku s Z rezervy spolehlivosti Obrázek 2. Cornellův index spolehlivosti 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 4

Cornellův index spolehlivosti index samotný je vzdálenost (se znaménkem) střední hodnoty m Z od nuly v jednotkách směrodatné odchylky s Z c Z Z pravděpodobnost poruchy je pak aproximována (za předpokladu normálně rozdělené rezervy spolehlivosti) jako p f ( ) c Obrázek 3. Cornellův index spolehlivosti 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 5

Proč index spolehlivosti? jednoduše zapamatovatelný, méně chyb při čtení desetinných míst, obsažen v normách Tabulka 1. Pravděpodobnosti poruchy odpovídající indexům spolehlivosti b c p f 1 0.159 2 0.0228 3 0.0013 4 0.000032 5 0.00000029 Obrázek 4. Index spolehlivosti vs. pravděpodobnost poruchy 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 6

Nevýhody Cornellova indexu velké chyby pokud je rozdělení rezervy spolehlivosti velmi odlišné od normálního rozdělení výsledek závislý na volbě formulace rezervy spolehlivosti R Z R E 0 Z 1 0 E p p f c f c Obrázek 5. rozdíl v Cornellových indexech spolehlivosti 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 7

Hasofer-Lind index (FORM) odstraňuje nevýhody Cornellova indexu (ale má jiné) obsahuje tři kroky transformace všech veličin na standardní normální veličiny odstranění korelace hledání návrhového bodu a aproximace hranice poruchy těčnou v návrhovém bodě Obrázek 6. kroky metody FORM 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 8

Pravděpodobnostní tranformace obecně existuje nekonečně mnoho bijektivních transformací Obrázek 7. Transformace X na standardní normální veličinu U avšak pouze jedna, která zachovává pravděpodobnost Obrázek 8. Isopravděpodobnostní transformace X na standardní normální veličinu U 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 9

Odstranění korelace například rozkladem korelační matice do vlastních vektorů nezávislé veličiny jsou pak ve směrech vlastních vektorů Obrázek 9. Rozklad korelovaných veličin na nekorelované 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 10

Obrázek 10. FORM FORM: Návrhový bod a tečna transformace X U & transformace G(X) na H(U) návrhový bod P* je bod na hranici poruchy H(U) =0 s nejkratší vzdáleností b k počástku soustavy souřadnic hranice poruchy je pak nahrazena tečnou v návrhovém bodě a spolehlivostní integrál vede na p f ( ) 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 11

FORM Index spolehlivosti nejkratší spojnice z hranice poruchy k počátku nejprve je nutné najít návrhový bod P* optimalizační problém: optimalizace v mnohodimenzionálním prostoru náhodných veličin, lokální a globální minimum, nelinearita,... minimalizace β za podmínky g u 0, T uu 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 12

Obrázek 11. FORM nevýhody FORM nevýhody vysoká křivost hranice poruchy, více návrhových bodů, 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 13

Spolehlivostní metoda druhého řádu SORM = nahrazení hranice poruchy v návrhovém bodě parabolou Obrázek 12. SORM 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 14

Obrázek 13. Metoda plochy odezvy Metoda plochy odezvy aproximace hranice poruchy pomocí např. polynomu numerická integrace (např. MC či LHS) s použitím přibližné hranice poruchy 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 15

Metoda plochy odezvy g(x ) Y i ( X x n n n 0 i i ij i j i1 i1 j1 g( Y) a by c YY i ci ) xi a g( x 0 c ) aproximace funkce rezervy spolehlivosti (polynomiální, pomocí neuronové sítě, ) aplikace simulačních technik typu MC počet vyčíslení funkce mezního stavu, regrese volba interpolačních bodů v g( X ) ( n 1)( n 2) 2 1 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 16 N 0