参数概率灵敏度分析的神经网络方法及其应用  

Neural network method in parametric probabilistic sensitivity analysis and its application

作　　者：何琴淑[1] 杨玉明[1] 肖世富[1] 

机构地区：[1]中国工程物理研究院总体工程研究所,绵阳621900

出　　处：《计算力学学报》2011年第B04期29-32,共4页Chinese Journal of Computational Mechanics

基　　金：国家基础研究计划(2010CB832700);NSAF基金(10876100);中物院科学技术发展基金(2010B203025)资助项目

摘　　要：参数概率灵敏度分析是可靠性设计中非常重要的一项工作,它可以提供基本变量分布参数的变化引起可靠性的变化信息,为判断系统参数的重要性提供依据。本文将商用有限元计算-神经网络方法-Monte Carlo法相结合,基于这种快速响应模型的复杂结构可靠性分析方法,针对结构随机参数的概率灵敏度分析,提出一个考虑随机变量全局分散性的新的度量参数,作为一种工程实用的快速近似方法,相对于传统的确定性及局部灵敏度具有更清晰的意义和指导作用,通过一个算例实现了该法在工程上的应用,并利用ANSYS的概率分析模块验证了该法的有效性。The analysis of parametric probabilistic sensitivity analysis is important for reliability-based design, which shows changes of system reliability caused by the change of basic variances. In this paper, the commerical FE simulation-neural network-Monte Carlo methods were used together, based on the quick-response model, the parametric probabilistic sensitivity was analyzed too, and a new scaling parameter was presented here considering the global disperisty of stochastic parameters. The sensitivity indices can be computed by the simple and approximate formula in engineering. A numerical example is presented to verify the feasibility and the effectivity by comparing with the analysis of ANSYS.

关 键 词：神经网络 MONTE Carlo 快速响应模型 概率灵敏度 

分 类 号：O211.3[理学—概率论与数理统计] TB114.3[理学—数学]