고차원 희귀 사건 시뮬레이션을 위한 물리와 데이터 공동 주도 대리 모델링 방법

이 논문은 고차원 입력 불확실성을 가진 토목 및 기계 시스템의 효율적인 희귀 사건 시뮬레이션을 위한 물리와 데이터 공동 주도 대리 모델링 방법을 제시합니다. 이 방법은 해석 가능한 저충실도 물리 모델과 데이터 기반 오류 수정을 융합합니다. 가설은 잘 설계되고 잘 훈련된 간소화된 물리 모델이 원래 모델의 주요 특징을 보존할 수 있으며, 데이터 적합 기술이 대리 모델과 원래 모델의 예측 사이의 남은 간극을 메울 수 있다는 것입니다. 결합된 물리-데이터 기반 대리 모델은 능동 학습을 사용하여 적응적으로 훈련되며, 희귀 사건의 중요 매개변수 영역에서 대리 모델과 원래 모델 응답 간의 높은 상관관계와 작은 편향을 달성하는 것을 목표로 합니다. 대리 모델 기반 확률 추정을 수정하기 위해 최종 중요도 샘플링 단계가 도입됩니다. 랜덤 필드 및 확률 과정으로 모델링된 입력 불확실성을 가진 정적 및 동적 문제를 연구하여 제안된 방법을 시연합니다.