近日，工學(xué)院教師平夢(mèng)浩在工程可靠性領(lǐng)域期刊《RELIABILITY ENGINEERING & SYSTEM SAFETY》（影響因子：9.4，中科院一區(qū)TOP）發(fā)表題為“Learning non-stationary model of prediction errors with hierarchical Bayesian modeling”的研究論文。
在系統(tǒng)識(shí)別問(wèn)題中，根據(jù)結(jié)構(gòu)的測(cè)量數(shù)據(jù)識(shí)別結(jié)構(gòu)參數(shù)是提升數(shù)值模型模擬精度的關(guān)鍵手段，也是后續(xù)開(kāi)展結(jié)構(gòu)設(shè)計(jì)優(yōu)化、可靠度分析以及結(jié)構(gòu)健康監(jiān)測(cè)的重要基礎(chǔ)。針對(duì)由于建模誤差、服役環(huán)境的變異性、測(cè)量噪聲以及測(cè)量數(shù)據(jù)不充分等因素導(dǎo)致的參數(shù)識(shí)別結(jié)果的非唯一性問(wèn)題，貝葉斯參數(shù)識(shí)別方法基于貝葉斯定理，提供了嚴(yán)格的數(shù)學(xué)工具，用于量化上述因素引起的參數(shù)不確定性。傳統(tǒng)貝葉斯方法通常假設(shè)數(shù)值模型對(duì)測(cè)量數(shù)據(jù)的預(yù)測(cè)誤差服從高斯白噪聲，這一假設(shè)在復(fù)雜工程問(wèn)題中往往難以成立。
本研究充分考慮了模型預(yù)測(cè)誤差的非平穩(wěn)性，采用高斯過(guò)程模型對(duì)預(yù)測(cè)誤差建模，提出了一種新的貝葉斯推斷方法，并設(shè)計(jì)了迭代求解過(guò)程，實(shí)現(xiàn)了模型參數(shù)與非平穩(wěn)預(yù)測(cè)偏差的聯(lián)合識(shí)別。研究結(jié)果表明，所提出的方法在結(jié)構(gòu)動(dòng)力學(xué)問(wèn)題以及疲勞裂紋擴(kuò)展問(wèn)題中，能夠準(zhǔn)確識(shí)別關(guān)鍵參數(shù)及預(yù)測(cè)誤差特性。此外，利用識(shí)別結(jié)果更新的數(shù)值模型也顯著提升了模型對(duì)實(shí)際測(cè)量數(shù)據(jù)的預(yù)測(cè)精度。
本研究由北京林業(yè)大學(xué)和澳門(mén)大學(xué)的科研團(tuán)隊(duì)聯(lián)合完成。北京林業(yè)大學(xué)工學(xué)院青年教師平夢(mèng)浩為論文第一作者，北京林業(yè)大學(xué)為第一完成單位。
該工作得到了國(guó)家自然科學(xué)基金青年基金項(xiàng)目（52405248）、澳門(mén)青年學(xué)者計(jì)劃（AM2023005）等項(xiàng)目的支持。
