MAntRA:一种模型无关可靠性分析框架
统计方法学
2022-12-14 v1 机器学习
机器学习
摘要
我们提出一种用于时间相关可靠性分析的新型模型无关数据驱动可靠性分析框架。所提出的方法——称为MAntRA——结合了可解释机器学习、贝叶斯统计和随机动力学方程识别,以评估控制物理未知且受随机激励的动力系统的可靠性。采用两阶段方法:在第一阶段,开发一种高效的变分贝叶斯方程发现算法,从测量的输出数据确定底层随机微分方程(SDE)的控制物理。所开发的算法是高效的,并考虑了由于有限和噪声数据导致的认知不确定性,以及由于环境效应和外部激励导致的偶然不确定性。在第二阶段,使用随机积分方案求解所发现的SDE并计算失效概率。所提方法的效能通过三个数值算例加以说明。所得结果表明该方法可应用于从现场测量对在建和遗产结构进行可靠性分析。
引用
@article{arxiv.2212.06303,
title = {MAntRA: A framework for model agnostic reliability analysis},
author = {Yogesh Chandrakant Mathpati and Kalpesh Sanjay More and Tapas Tripura and Rajdip Nayek and Souvik Chakraborty},
journal= {arXiv preprint arXiv:2212.06303},
year = {2022}
}