Využití metody plochy odezvy založené na umělé neuronové síti při stochastické analýze spolehlivosti

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F15%3APU112799" target="_blank" >RIV/00216305:26110/15:PU112799 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Využití metody plochy odezvy založené na umělé neuronové síti při stochastické analýze spolehlivosti

Popis výsledku v původním jazyce

Příspěvek je zaměřen na využití metody plochy odezvy založené na umělé neuronové síti v kombinaci se simulační metodou Latin Hypercube Sampling při výpočtu ukazatelů spolehlivosti. Umělá neuronová síť, jakožto výkonný paralelní výpočtový systém, je použita pro aproximaci funkce poruchy. Díky svým vlastnostem by měla být efektivnější náhradou původní funkce poruchy než klasická polynomiální funkce již při využití malého počtu simulací. Její efektivita je umocněna využitím stratifikované simulační metodyLatin Hypercube Sampling pro výběr vhodných prvků učící množiny. Navržená metoda je využita k výpočtu pravděpodobnosti poruchy jednoduché konstrukce převzaté z literatury a rovněž ke stanovení spolehlivosti deskového železobetonového mostu v rámci jeho plně pravděpodobnostní analýzy. Výsledky získané s využitím umělé neuronové sítě jsou srovnány s hodnotami stanovenými na základě běžně využívaných spolehlivostních metod.

Název v anglickém jazyce

A utilization of artificial neural network based response surface method for stochastic reliability analysis

Popis výsledku anglicky

In the paper, an artificial neural network based response surface method in the combination with the small-sample simulation technique is presented. Artificial neural network as powerful parallel computational system is used for approximation of limit state function. Thanks to its ability to generalize, it would be more efficient to fit limit state function even with the small number of simulations compared to polynomial response surface method. Efficiency is emphasized by utilization of the stratifiedsimulation for the selection of neural network training set elements. The proposed method is tested using nonlinear limit state function taken from the literature as well as employed for reliability and load bearing capacity assessment of concrete bridgewithin the framework of fully probabilistic analysis. Results are compared with those obtained by other reliability methods.

Druh

D - Stať ve sborníku

CEP obor

JN - Stavebnictví

OECD FORD obor

—

Projekt

<a href="/cs/project/GA15-07730S" target="_blank" >GA15-07730S: Přímá a inverzní spolehlivostní optimalizace s ohledem na nejistoty (FIRBO)</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Juniorstav 2015: Sborník abstraktů

ISBN

978-80-214-5091-2

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

1-8

Název nakladatele

Vysoké učení technické v Brně, Fakulta stavební

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

29. 1. 2015

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—