基于损伤历史进行失效预测：在偶联 percolation 与层次纤维束包中的演示

我们在最简单的基于位点偶联模型和最简单的随时间演化破裂模型——层次纤维束包模型中，构建了基于概率的全局失效预测问题。我们指出，条件化对当前损伤程度（占据密度 $p$ 或裂缝的数量和大小）的预测，以及对最大簇的信息，可显著提高预测精度，尤其通过识别那些具有异常小或大簇（裂缝）的情形。我们使用两种度量来量化预测提升：即通过添加新信息获得的熵变（相对特定信息增益）以及对大量情形中预测误差的均方根。我们的大部分模拟均使用规模为 $L \times L=20 \times 20$ 的二维位点偶联模型进行，适用于其他格子规模。对于层次纤维束包模型，条件化损伤度对最大裂缝位置和大小的度量，可显著扩展临界区域和预测技能。这些例子说明，在线损伤可作为识别特定样本中既存异质性以及每个特定样本所经历的损伤情景的线索。