Ποσοτικοποίηση αβεβαιοτήτων και βέλτιστος πειραματικός σχεδιασμός κατά Bayes σε προσομοιώσεις μηχανικών συστημάτων

Περίληψη

Ο στόχος της διατριβής είναι διπλός. Πρώτα αναπτύσσονται οι θεωρίες ποσοτικοποίησης και διάδοσης αβεβαιοτήτων κατά Bayes και εφαρμόζονται σε πραγματικά προβλήματα. Στη συνέχεια μελετώνται οι θεωρίες βέλτιστου πειραματικού σχεδιασμού και εφαρμόζονται επίσης σε αριθμητικά παραδείγματα. Αρχικά παρατίθεται η θεωρία κατά Bayes για ποσοτικοποίηση και διάδοση αβεβαιοτήτων καθώς και για επιλογή βέλτιστου μοντέλου και συζητούνται τα υπολογιστικά προβλήματα. Η θεωρία εφαρμόζεται σε 3 περιπτώσεις πραγματικών προβλημάτων χρησιμοποιώντας πειραματικά δεδομένα που συλλέχθηκαν από μετρήσεις πεδίου. Δείχνεται πως οι μέθοδοι Bayes μπορούν να εφαρμοστούν σε προβλήματα αναθεώρησης μοντέλων πραγματικής κλίμακας και πως μπορούν να εξαχθούν χρήσιμα συμπεράσματα για τα συστήματα τα οποία μελετώνται. Τα εξεταζόμενα προβλήματα περιλαμβάνουν: 1) Αναθεώρηση και επιλογή βέλτιστου μοντέλου σε καλώδιο γέφυρας χρησιμοποιώντας μορφικά δεδομένα αναγνωρισμένα από μετρήσεις ταλαντώσεων. 2) Αναθεώρηση μοντέλου πεπερασμένω ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The objective of this thesis is twofold. First, Bayesian uncertainty quantification, propagation, and model selection theories are outlined and applied to real-world problems, and second, Bayesian optimal experimental design theories are studied from a theoretical point of view and also applied to numerical case-studies. The Bayesian theory for uncertainty quantification, propagation and model selection is first presented and computational challenges are discussed. The Bayesian formulation is applied to three case-studies taken from real-world applications, using experimental data collected from field tests. It is demonstrated how the Bayesian theories can be applied to such real scale problems of model updating and model selection to draw useful conclusions about the systems under consideration. The examined problems include: 1) Model updating and model selection in a hanger of an arch bridge using modal data obtained from acceleration measurements. 2) Model updating of a bridge using ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/41258
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/41258
ND
41258
Εναλλακτικός τίτλος
Bayesian uncertainty quantification and optimal experimental design in data driven simulations of engineering systems
Συγγραφέας
Αργύρης, Κωνσταντίνος του Γεώργιος
Ημερομηνία
2017
Ίδρυμα
Πανεπιστήμιο Θεσσαλίας. Σχολή Πολυτεχνική. Τμήμα Μηχανολόγων Μηχανικών. Εργαστήριο Δυναμικής Συστημάτων
Εξεταστική επιτροπή
Παπαδημητρίου Κωνσταντίνος
Τσόπελας Παναγιώτης
Νατσιάβας Σωτήριος
Σταματέλλος Αναστάσιος
Γιαγκόπουλος Δημήτριος
Σταπουντζής Ερρίκος
Καταφυγιώτης Λάμπρος
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Μηχανολόγου Μηχανικού
Λέξεις-κλειδιά
Διαχείριση αβεβαιοτήτων; Βέλτιστος πειραματικός σχεδιασμός
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
234 σ., εικ., πιν., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation:
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)