Un método adaptativo de muestreo por importancia basado en simulación MCMC mejorada para el análisis de fiabilidad estructural

Construir una densidad de muestreo por importancia efectiva es crucial para el análisis de fiabilidad estructural a través del muestreo por importancia (IS), particularmente al tratar con funciones de rendimiento que tienen múltiples puntos de diseño o dominios de fallo disjuntos. Este estudio introduce una técnica de muestreo por importancia adaptativa aprovechando un enfoque mejorado de Monte Carlo por cadenas de Markov (IMCMC). El método comienza recolectando eficientemente muestras distribuidas en todas las regiones de fallo utilizando IMCMC. Posteriormente, basado en las muestras obtenidas, construye adaptativamente la densidad de muestreo por importancia a través de una técnica de estimación de densidad kernel (KDE) que integra factores de ancho de banda locales. Estudios de caso confirman que el enfoque propuesto construye exitosamente una densidad de muestreo por importancia que refleja de cerca el óptimo teórico, aumentando así tanto la precisión como la eficiencia de las estimaciones de probabilidad de fallo.