Téma 4: Stratifikované a pokročilé simulační metody Dlouhodobé nahodilé 0.007
Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola báňská – Technická univerzita Ostrava
Distribution: Mean Requested: Obtained: Std Requested: Obtained:
Mean Std
Std
0.006
Gumbel Min. EV I 140 141 75.5 73.2
0.005
0.004
0.003
0.002
0.001
-100
0
100
200
300
Osnova přednášky
Začlenění stratifikovaných a pokročilých simulačních metod do přehledu pravděpodobnostních metod Metoda Latin Hypercube Sampling – LHS
Podstata metody Aplikace metody v programu FREET
Zadání náhodných vstupních veličin
Zadání statistické závislosti vstupních veličin
Výpočet simulací
Definice výpočetního modelu
Analýza výsledků simulačního výpočtu
Ukázky výpočtu
Hlavní rysy ostatních typů simulačních metod
Stratifikované a pokročilé simulační metody
1 / 27
Pravděpodobnostní metody
Simulační metody Prostá simulace Monte Carlo Stratifikované simulační techniky
Importance Sampling – IS Adaptive Sampling – AS Directional Sampling – DS Line Sampling – LS
Aproximační metody
Přehled např. [Novák, 2005]
Pokročilé simulační metody:
Latin Hypercube Sampling – LHS Stratified Sampling - SC
First (Second) Order Reliability Method - FORM (SORM) Metody výběru vhodného rozdělení pravděpodobnosti založené na náhodném výběru rezervy spolehlivosti Perturbační techniky Metody plochy odezvy Response Surface - RS
Numerické metody
Přímý Optimalizovaný Pravděpodobnostní Výpočet - POPV
Metody pro pravděpodobnostní posouzení spolehlivosti
2 / 27
Zdokonalené simulační metody
Klasická simulační technika Monte Carlo se často potýká s problémem malé efektivnosti u složitějších spolehlivostních úloh, u nichž lze provést jen omezený počet simulací.
Další nevýhodou přímé metody Monte Carlo je potřeba velkého množství simulací k odhadu pravděpodobnosti poruchy pf , která je obvykle u řešených úloh velmi malá.
Východiskem jsou zdokonalené simulační metody (stratifikované, pokročilé), které umožňují odhadnout pravděpodobnost poruchy pf s menším počtem simulací.
Stratifikované a pokročilé simulační metody
3 / 27
Stratifikovaná simulační metoda Latin Hypercube Sampling - LHS
Podobně jako u klasické simulace Monte Carlo je i u metody LHS odhad pravděpodobnosti poruchy pf získán z určitého počtu realizací funkce poruchy G(X) n náhodných veličin X = X1, X2 až Xn.
Definiční obor distribuční funkce F(Xi) každé náhodné veličiny Xi je ale přitom rozdělen na N intervalů (tříd) o stejné 1 pravděpodobnosti: N
Princip LHS: rozdělení definičního oboru distribuční funkce náhodné veličiny Stratifikované a pokročilé simulační metody
4 / 27
Stratifikovaná simulační metoda Latin Hypercube Sampling - LHS
Reprezentativní hodnoty dané veličiny jsou při simulaci vybírány na základě náhodných permutací celých čísel j = 1, 2, ... , N. Při výpočtu je provedeno právě N simulací, během nichž je každý z intervalů vybrán pouze jednou. Z každého intervalu je vybrána buď jeho střední hodnota, hodnota odpovídající mediánu nebo naprosto náhodně zvolená hodnota, ze které se na základě inverzní distribuční funkce F-1Xi (Xi) určí odpovídající reprezentativní hodnota xi,j náhodné veličiny Xi.
Stratifikované a pokročilé simulační metody
5 / 27
Stratifikovaná simulační metoda Latin Hypercube Sampling - LHS
Tímto způsobem lze zajistit, že se při simulacích rovnoměrně pokryje celý rozsah distribuční funkce náhodné veličiny, což vede k uspokojivým odhadům výsledných pravděpodobností při relativně malém počtu simulací.
Stratifikované a pokročilé simulační metody
6 / 27
Stratifikovaná simulační metoda Latin Hypercube Sampling - LHS
Při pravděpodobnostních výpočtech metodou LHS je možno zadat statistickou závislost jednotlivých vstupních veličin pomocí korelační matice, která obsahuje korelační koeficienty mezi jednotlivými náhodnými veličinami.
Při výpočtu se pak iteračně (např. metodou simulovaného žíhání) upraví (přeuspořádá) obsah tzv. tabulky náhodných permutací (obsahuje N řádků s příslušnými vygenerovanými hodnotami simulací j = 1, 2, ... , N a n sloupců pro každou náhodnou veličinu X1, X2, ... , Xn) tak, aby se korelační matice výsledných náhodných veličin co nejvíce blížila korelační matici zadané.
Stratifikované a pokročilé simulační metody
7 / 27
Software Freet (Feasible Reliability Engineering Tool)
Víceúčelový Pravděpodobnostní Software pro statistickou, citlivostní a spolehlivostní analýzu.
Vyvíjen na Ústavu stavební mechaniky Fakulty stavební VUT v Brně.
Verze 1.5
Demo verze ke stažení na http://www.freet.cz .
Stratifikované a pokročilé simulační metody
8 / 27
Freet: zadávání vstupních veličin Freet: zadání náhodné proměnné s parametrickým rozdělením pravděpodobnosti. Možnost výběru z databáze parametrických rozdělení a zadáním konkrétních hodnot statistických momentů dané náhodné veličiny Stratifikované a pokročilé simulační metody
9 / 27
Freet: typy parametrických rozdělení • Deterministic • Normal • Lognormal (2par) • Lognormal (3par) • Weibull min (2par) • Weibull min (3par) • Weibull max (2par) • Weibull max (3par) • Raileigh • Raileigh negative • Beta (4par) • Gamma (2par) • Gamma negative (2par) • Gamma (3par) Stratifikované a pokročilé simulační metody
• Gamma negative (3par) • Exponential • Exponential negative • Gumbel min EV I • Gumbel max EV I • Rectangular • Triangular • Laplace • Pareto • Logistic • Half-Normal • Half-Normal negative • Beta • Student t 10 / 27
Freet: zpracování naměřených dat
Výběr vhodného parametrického rozdělení ze zadaných naměřených hodnot Stratifikované a pokročilé simulační metody
11 / 27
Freet: zadání korelační matice
Korelační koeficienty: 0 .. statistická nezávislost 0< .. statistická závislost Stratifikované a pokročilé simulační metody
12 / 27
Freet: generování simulací
Freet: Iterační přeuspořádání obsahu tzv. tabulky náhodných permutací metodou simulovaného žíhání Stratifikované a pokročilé simulační metody
13 / 27
Freet: generování simulací
Freet: Rozčlenění každého rozdělení pravděpodobnosti na N intervalů (tříd) o stejné pravděpodobnosti Stratifikované a pokročilé simulační metody
14 / 27
Freet: generování simulací
Freet: Ukázka vygenerovaných simulací dvou náhodných proměnných, které jsou statisticky nezávislé Stratifikované a pokročilé simulační metody
15 / 27
Freet: generování simulací
Freet: Ukázka vygenerovaných simulací dvou náhodných proměnných, které jsou statisticky závislé (95 %) Stratifikované a pokročilé simulační metody
16 / 27
Freet: generování simulací
Freet: Tabulka vygenerovaných a přeuspořádaných náhodných permutací Stratifikované a pokročilé simulační metody
17 / 27
Freet: generování simulací
Freet: Definice výpočetního modelu a dosazení vygenerovaných permutací do tohoto modelu Stratifikované a pokročilé simulační metody
18 / 27
Freet: generování simulací
pf = 0,0000575 < pd = 0,0000720 nosný prvek vyhoví – třída následků RC2/CC2
Freet: Výsledný odhad rozdělení pravděpodobnosti funkce spolehlivosti, odhad pravděpodobnosti poruchy pf Stratifikované a pokročilé simulační metody
19 / 27
Atena-Sara-Freet: Ukázka výpočtu
Posuzovanou konstrukcí je železobetonová klenba zasypávané části silničního tunelu.
Stratifikované a pokročilé simulační metody
20 / 27
Atena-Sara-Freet: Ukázka výpočtu Schéma řešené konstrukce klenby tunelu
Posuzovaná část (vrchol klenby)
Stratifikované a pokročilé simulační metody
21 / 27
Atena-Sara-Freet: Ukázka výpočtu Zatěžovací údaje – rozhodující kombinace q=+10° C
q=142 kN/m
q=+10° C q=71 kN/m
q=71 kN/m
q=36 kN/m
q=36 kN/m
q=21 kN/m
q=146 kN/m
Stratifikované a pokročilé simulační metody
q=21 kN/m
q=146 kN/m 22 / 27
Atena-Sara-Freet: Ukázka výpočtu 11 15 4519 12 1 8
5690 1 666234 6656 6 697 668 7701 7 23 77745 6 7 7787 709 8 81 82 83 84 85 86 8 887 8 9109 9 92 943 9 9965 9987 1 110009109 1 10032 110016054 8
8
10
162 7 8 9 10 12 13 14 15 16 7
9
24
7 20 1100190 1 1 1123 111154 1 111167 111189 13 1 2 01 112 2 1 21243 112256 122 7 11 248 102 9 1133 1 32 113 14 1343 135 136 21 137 138 139 17 16 11 9 1514 7213 1115 12 12 14 1022318 412 56 67 28
Přechodové prvky
Y
23
26
56 3 5555678 18 5 55234 5 4594 01 1 4 478 11 5 4456 4434 42 4401 39 3 738 36 3 31 25 5 4 33 32 10 4 31 30 17 29 28 314 27 5 7 6 3 23 10 8168 6 9 79 4 13 X 12 23
Kontaktní pružiny
27
32
31
27
11
3
25
24
30
18 217 18 19 19 20 21 22 23 24 20 25 26 13
29
22
Statický model
25
Stratifikované a pokročilé simulační metody
21
26
23 / 27
Atena-Sara-Freet: Ukázka výpočtu Dosažené výsledky, přetvoření tlačeného betonu LSF Eps beton 3 (tlačený)
2e+004
1.5e+004
Rozhodující kritéria Std • Průhyb ve vrcholu • Přetvoření tlačené oceli • Přetvoření tlačeného betonu • Přetvoření tažené oceli
Mean Std
1e+004
5e+003
0.0032
0.00325
0.0033
0.00335
0.0034
0.00345
0.0035
0.00355
Pravděpodobnost překročení limitního přetvoření tlačeného betonu činí ~10-42 Stratifikované a pokročilé simulační metody
24 / 27
Metoda Importance Sampling
Generování náhodných veličin se provádí odlišným způsobem, než je tomu u klasické metody Monte Carlo.
Simulace jsou koncentrovány do oblasti poruchy Df , aby k záporné hodnotě funkce poruchy G(X) < 0 náhodných veličin X = X1, X2, ... Xn záměrně docházelo velmi často.
Oblast, která při simulacích nejvíce přispívá k pravděpodobnosti poruchy pf , leží v blízkosti návrhového bodu. Ten je definován jako bod, ležící na hranici poruchy G(X) = 0 s minimální vzdáleností od počátku souřadnic v normalizovaném prostoru náhodných veličin.
Do výpočtu vstupuje k tomuto účelu vhodně zvolená váhová funkce hY(X). Simulace pak probíhá v poněkud rozdílném prostoru než u klasické metody Monte Carlo, kde se odhad pravděpodobnosti poruchy pf blíží její střední hodnotě.
Stratifikované a pokročilé simulační metody
25 / 27
Metoda Importance Sampling
Odhad pravděpodobnosti poruchy pf při simulaci typu Importance Sampling se dá pro N simulací vyjádřit vztahem:
1 pf N kde
N
i 1
f X X i f G X . hY X i
1 pro G X 0 f G X 0 pro G X 0
Tímto způsobem lze určit dostatečně přesný odhad i velmi malé hodnoty pravděpodobnosti poruchy pf s relativně malým počtem simulací (N se pohybuje řádově v tisících).
Stratifikované a pokročilé simulační metody
26 / 27
Xlimit 1
Závěry
0.006
Mean Std
Std
0.005
0.004
0.003
0.002
Přednáška:
0.001
100
200
300
400
500
600
700
800
byla zaměřena na zdokonalené simulační metody, které oproti klasické simulační metodě Monte Carlo vykazují větší efektivitu výpočtu a umožňují tak pravděpodobnostně řešit složitější spolehlivostní úlohy,
představila programový systém Freet, který k odhadu pravděpodobnosti poruchy pf využívá stratifikovanou simulační metodu Latin Hypercube Sampling – LHS,
nastínila podstatu řešení pokročilou simulační metodou Importance Sampling.
Závěry
27 / 27
Děkuji za pozornost! Dlouhodobé nahodilé 0.007
Distribution: Mean Requested: Obtained: Std Requested: Obtained:
Mean Std
Std
0.006
Gumbel Min. EV I 140 141 75.5 73.2
0.005
0.004
0.003
0.002
0.001
-100
0
100
200
300