معرفی و ارزیابی روش های کاهش واریانس به منظور ارتقای عملکرد روش شبیه سازی مونت کارلو در مطالعات قابلیت اطمینان در مهندسی سازه

امروزه روش شبیه سازی مونت کارلو به عنوان یکی از روش های پرکاربرد در مطالعات قابلیت اطمینان بشمار می رود. این روش می تواند به عنوان یک روش قدرتمند شبیه سازی آماری برای تعیین خصوصیات آماری متغیر های تصادفی و تخمین احتمال یک رویداد خاص که حاصل یک مجموعه فرآیند تصادفی است بکاربرده شود. یکی از مهم ترین مزیت هایی که این روش شبیه سازی آماری در مطالعات مهندسی سازه فراهم می آورد، امکان سازی در نظر گرفتن عدم قطعیت هایی است که عموما مهندسین در پروسه تحلیل و طراحی سازه ها با آن ها مواجه هستند. با این وجود در کنار مزیت هایی که مونت کارلو در مطالعات قابلیت اطمینان فراهم می آورد، کاربرد این روش با یک چالش مهم روبرو است. برای دستیابی به دقت بیشتر در این روش عموما ناگزیر هستیم که از تعداد تکرارهای بالا و نمونه های تصادفی با جمعیت آماری بالا از متغیرهای تصادفی استفاده نماییم که این امر در بسیاریاز موارد و در مواجه با تحلیل های پیچیده موجب افزایش هزینه های محاسباتی و مدت زمان انجام تحلیل می شود، تا جایی که ممکن است محقق به دنبال روش های جایگزین برای تحلیل و شبیه سازی رفتار سازه تحت اثر عدم قطعیت ها برود درحالیکه عموما روش های جایگزین از دقت کافی برخوردار نیستند. لذا، در این مطالعه سعی شده است که چهار تکنیک آماری قدرتمند برای کاهش پراکندگی متغیرهای ورودی در شبیه سازی مونت کارلو معرفی و ارزیابی گردد. بنابراین انتظار می رود که با کاربرد این روش ها حجم محاسبات و مدت زمان تحلیل بواسطه انجام محاسبات هدفمند، کاهش پیدا کند وبدین طریق شاهد ارتقای عملکرد روش مونت کارلو باشیم. لذا در این پژوهش پس از معرفی این چهار تکنیک، میزان اثر بخشی آن ها در مقایسه با یکدیگر و روش مونت کارلوی خالص، در قالب دو مسیله سازه ای مورد بررسی و ارزیابی قرار گرفته است.

Keywords:

قابلیت اطمینان , عدم قطعیت , شبیه سازی آماری , مونت کارلو , کاهش واریانس