基于潜在空间的单观测似然估计用于非线性滞回模型的贝叶斯更新
应用统计
2024-10-14 v2
摘要
本研究提出了一种新颖的方法来量化贝叶斯模型更新中的不确定性，该方法在稀疏或单观测情况下有效。传统的不确定性量化指标，如基于欧几里得距离和巴塔查里亚距离的指标，在观测充足的情况下是可行的。然而，在数据不足的情况下，特别是对于非线性响应（如屈服后行为），它们的验证受到限制。我们的方法通过使用变分自编码器（VAE）的潜在空间来解决这一挑战，VAE是一种生成模型，能够实现非参数似然评估。该方法在基于结构非线性地震响应更新模型参数时很有价值，其中数据稀缺是常见挑战。我们的数值实验证实了所提方法能够使用有限观测准确更新参数并量化不确定性。此外，这些数值实验揭示了一种趋势：关于非线性行为的信息越多，估计的不确定性越小。本研究为在具有显著不确定性的场景中量化不确定性提供了稳健工具，从而扩展了贝叶斯更新方法在数据受限环境中的适用性。
引用
@article{arxiv.2404.03871,
title = {Latent Space-Based Likelihood Estimation Using a Single Observation for Bayesian Updating of a Nonlinear Hysteretic Model},
author = {Sangwon Lee and Taro Yaoyama and Yuma Matsumoto and Takenori Hida and Tatsuya Itoi},
journal= {arXiv preprint arXiv:2404.03871},
year = {2024}
}