当前位置:
文档之家› 结构可靠指标计算的蒙特卡罗法
结构可靠指标计算的蒙特卡罗法
5.1.3蒙特卡罗(随机模拟法)的数学基础
利用随机模拟方法研究结构安全问题是一种很自然的方 法,因为结构建造和使用本身就是一个随机实验。 在结构设计阶段,由于设计变量存在着不确定性,其 具体的量值是未知的,只能通过对以往实验、实测和 调查资料的统计分析,从概率角度来推断结构未来的 性状; 在结构建成并使用到设计规定期后,设计中所用的变 量都成了规定值,结构的最终状态也完全得以确定 (完好或失效); 所以结构从建造到使用期内的表现,就是对所设计结构 的一次随机实验结果。
其合理性评述1) FX(x)=r;(2)x 的 分布;(3)作为随机数的可信性。
FX(x)=r
I用反函数方法产生任意分布随机变量的抽样
这就意味着,如果(r1,r2,…rn) 是R的一组值, 则相应得到一组值x=FX-1(ri)(i=1,2,…n),具 有分布FX( x)。
I反函数方法产生随机变量的抽样的实例
ch5结构可靠度计算的蒙特卡罗法
5.1蒙特卡罗法概述 5.2蒙特卡罗法的优缺点 5.3抽样模拟总数与蒙特卡罗法的精度 5.4随机变量的抽样 5.5蒙特卡罗法计算可靠指标举例 5.6蒙特卡罗的重要抽样法
5.1蒙特卡罗法概述 5.1.1蒙特卡罗(随机模拟法)的基本思想 对于设计阶段的结构,其功能函数及所包含变 量的统计特征都是已知的,通过某种方法,根据 已知的概率特性(统计特征),产生大量设计 变量的样本值,将其代入功能函数,“计算” 结构的状态,并对计算结果进行分析统计,直接 计算其失效概率。
5.4.1随机数的产生
产生随机数的方法 随机数表:将利用某种方法(高速转盘、电子装置) 产生的随机数记录于磁盘中,使用时输入计算机即可 (一些数学手册中还附有随机数表)。 物理方法:由物理随机数发生器(安装在计算机上) 将具有随机性质的物理过程变换为随机数。是真正的 随机数,不会出现循环现象,但不便于对结果复查, 也不便于对不同方法进行对比,且发生器的稳定性检 查和维护是一项繁琐的工作,该法不常用。 数学方法:根据数论方法通过数学递推公式运算来实 现。速度快,即产即用,可重复生产。会出现循环现 象且随机数之间存在一定的相关性,被称谓伪随机数。
229.207 287.2799 276.2463 276.1648 403.2333 299.2444 334.0401
f f y (u) / f 0 取
r'
6.0349x10-3 2.9639x10-1 2.4123x10-1 2.4082x10-1 8.7616x10-1 3.5622x10-1 5.3020x10-1
2.离散型随机变量的抽样方法
结构可靠度分析中存在离散随机变量的情况:设计基 准期内可变荷载的变化次数;建筑场地一定时期内地 震的次数等。 设随机变量的分布律为:
P
1
p1
2
p2
n
pn
(1)一般离散型随机变量的抽样方法
定义
p
( 0)
0, p
(i )
p j (i 1,2, )
x[ a ,b ]
(1)确定概率密度函数的最大值
据
f f y ( f y 0 ) f y
0
f 0 max f f y ( f y)
f y [ a ,b ]
得
f y0
bB aC 301 .3Mpa BC
f y0 a c ) (
B
从而
f 0 f f y ( f y 0 ) A(
j 1
i
产生随机数r,计算满足条件 p (i 1) r pi
的 i值,所对应的 i 即为离散型随机变量 的一个样本。
该法适用于任何离散型随机变量的情况
(2)泊松分布的抽样方法(常见的离散型随机变量:活载变 化次数、地震次数均可用此描述) N服从泊松分布,则其取值为n的概率为
P(N n) e
5.1.4蒙特卡罗(随机 显而易见,在蒙特卡罗法中, 模拟法) 法的的数学 失效概率就是结构失效次数占 总试验次数的比例,这就是该 描述
方法的基本出发点。
从数学的角度描述为: 1.利用随机抽样以获得每一个变量的样本 ˆ, ˆ ,… X ˆ , 值: X X 2.根据上述抽样值,计算功能函数的值Z:
y
A 4.106, B 2.21, C 3.82 a 228Mpa, b 428Mpa, c 200Mpa
由于贝塔分布的分布函数不能用显式表达—— 采用舍选法。
f f y ( f y ) A(
fy a c
) (
B
b fy c
)C
f 0 max f x ( x)
标准正态分布与 均匀分布随机变 量之间的关系。
(2)根据上式,由(0-1)均匀分布随机数,再产生标准正态 分布随机数。 (3)再由下式得到正态分布N(μ,σ) 随机数
yi xi
正态分布y与标准正 态分布x之间的关系。
y1 2 ln R1 cos(2R2 ) y2 2 ln R1 sin(2R2 )
抽样模拟多少次? 如何随机抽样?如 何保证样本与实际 情况大体相符合?
5.3抽样模拟总数与蒙特卡罗法精度
4 N ˆ f 2 p
结论:精度与抽样模拟总数有关。换句话说,要想提 高精度,必须将抽样模拟总数提高
5.4随机变量的抽样
抽样方法:首先产生在开区间(0,1)上 的均匀样本值(随机数) ,在此基础上通 过一定的计算再变换成给定分布变量的随 机数。
对伪随机数的检验
用这种方法产生的伪随机数能否作为 (0-1)均匀分布的随机数,需要进行检 验。可在计算机上产生序列,然后用统 计检验方法检验其独立性和均匀性。
应用《数理统计》的知识
5.4.2随机变量的抽样
实际工程中,所涉及的随机变量并不服从0-1 均匀分布,因此需要研究其它分布类型的随机 变量样本值的产生方法。
eT 0.00193
(2)首先产生随机数r,然后按公式确定荷载变化次数的样本值
r e
i i 0
n 1
数学方法产生随机数
用数学方法产生的“随机数”,由于是按确定 的算法计算出来的,所以并不是真正的随机数, 但如果计算方法选择得当,它们就近似地是相 互独立和均匀分布的,经得起数理统计中的独 立性检验和均匀分布检验。鉴于此,人们把这 种数叫作伪随机数。 用数学方法产生的“随机数”,常用的方法是 同余法,包括加同余法、乘同余法和混合同余 法。
II随机变量函数法产生随机数——举例
例4-4 X1,X2是两个相互独立的标准正态分布N(0,1)的随
机变量;R1,R2是两个相互独立的(0,1)均匀分布随机变量, 试产生N(μ,σ)的随机数。 X 2 ln R cos( 2 R ) 1 1 2 (1)可以证明右式成立 X 2 2 ln R1 sin(2R2 )
r
7.5437x10-1 4.9929x10-2 1.5392x10-1 1.03x10-1 5.2079x10-1 5.2774x10-1 2.7505x10-1
舍
选定的样本
f y( j )
6.3940x10-4舍 9.3402x10-1取 7.9053x10-1取 7.8920x10-1取 1.3442x10-1舍 9.9861x10-1取 7.2184x10-1取 299.2444 334.0401 287.2799 276.2463 276.1648
n
n!
(n 1,2,3 )
若产生随机数
r0 , r1, r2
满足条件
r e
i i 0
n 1
ri
i 0
n
的n值,即为随机变量N的一个样本值。
例4-5 建筑结构楼面持久活荷载是一个与时间有关的随机过程, (即荷载变化的次数和大小是随机的),用泊松过程来描 述荷载变化的次数N ,即 n ( T ) P[N(T ) n] e-T (n 0,1,2, ) T为设计基准期,一般为 n! 50年; 为活荷载单位时间内的 平均变化次数 据以往统计居民搬家平均一次/8年
r f x (u) / f0
III舍选法产生随机数——图示
当样本点落入概 率密度曲线下面 时,抽样结果才 有效。
III舍选法产生随机数——举例
例4.5产生某钢筋屈服强度的5个样本值。 统计显示钢筋屈服强度符合上下有界的贝塔分布。 贝塔分布的概率密度函数为 fy a B b fy C f f ( f y ) A( ) ( ) c c 据统计 f y 310Mpa; f y 35Mpa
5.1.2对蒙特卡罗法简明的理解
1.已知 Z g ( x1 , x2 xn )
x , x x ; x , x x ;
1 2 n 1 2 n
2.用某种方法产生样本 3.计算结构的状态
( x1 , x2 xn )i
当然,样本的统 计特征应与已知 值一致。
0可靠 Z g ( x1 , x2 , xn ) 0极限状态 统计时以 为失效。 0失效
1 2
n
ˆ ,X ˆ , X ˆ ) Z g( X 1 2 n
3.进行了N次这样的试验(抽样),则失效概 率可由下式近似给出: n( Z 0)
Pf N
5.2蒙特卡罗法研究结构可靠度的优缺点
优点:回避了结构可靠度分析中的数学困难, 不需要考虑极限状态曲面的复杂性。 缺点:计算工作量大(借助于计算机) 现状:不作为一种常规的结构可靠度分析方法 来使用,只是用于一些复杂情况的可靠度分析 (国防、航天领域)。