Recent Trends in the Modeling and Quantification of Non-probabilistic Uncertainty

Faes, Matthias; Moens, David

doi:10.1007/s11831-019-09327-x

Cited by 114 publications

(79 citation statements)

References 212 publications

(287 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Besides sampling, there are more sophisticated uncertainty propagation methods such as Polynomial Chaos Expansion (PCE) [87] or Taylor model approximations [57]. Recent trends in UQ are summarized in [58].…”

Section: Non-deterministic Modelsmentioning

confidence: 99%

Unified Framework and Survey for Model Verification, Validation and Uncertainty Quantification

Riedmaier

Danquah

Schick

et al. 2020

Arch Computat Methods Eng

View full text Add to dashboard Cite

Simulation is becoming increasingly important in the development, testing and approval process in many areas of engineering, ranging from finite element models to highly complex cyber-physical systems such as autonomous cars. Simulation must be accompanied by model verification, validation and uncertainty quantification (VV&UQ) activities to assess the inherent errors and uncertainties of each simulation model. However, the VV&UQ methods differ greatly between the application areas. In general, a major challenge is the aggregation of uncertainties from calibration and validation experiments to the actual model predictions under new, untested conditions. This is especially relevant due to high extrapolation uncertainties, if the experimental conditions differ strongly from the prediction conditions, or if the output quantities required for prediction cannot be measured during the experiments. In this paper, both the heterogeneous VV&UQ landscape and the challenge of aggregation will be addressed with a novel modular and unified framework to enable credible decision making based on simulation models. This paper contains a comprehensive survey of over 200 literature sources from many application areas and embeds them into the unified framework. In addition, this paper analyzes and compares the VV&UQ methods and the application areas in order to identify strengths and weaknesses and to derive further research directions. The framework thus combines a variety of VV&UQ methods, so that different engineering areas can benefit from new methods and combinations. Finally, this paper presents a procedure to select a suitable method from the framework for the desired application.

show abstract

Section: Non-deterministic Modelsmentioning

confidence: 99%

Unified Framework and Survey for Model Verification, Validation and Uncertainty Quantification

Riedmaier

Danquah

Schick

et al. 2020

Arch Computat Methods Eng

View full text Add to dashboard Cite

show abstract

“…Also series‐expansion‐based methods have been presented in the literature (eg, References ). However, these methods are found to be mostly accurate when the intervals are relatively small or when

ℳ (x)

is sufficiently linear . (note: sufficiently implies that the need for linearity of

ℳ (x)

depends on the width of the interval bounds that have to be propagated).…”

Section: Computing With Dependent Intervalsmentioning

confidence: 99%

On auto‐ and cross‐interdependence in interval field finite element analysis

Faes

Moens

2020

Numerical Meth Engineering

Self Cite

View full text Add to dashboard Cite

Summary This paper discusses the concepts of auto‐ and cross‐interdependence in interval field finite element analysis. In classic interval analysis, independent intervals are used to construct hyper‐rectangular input spaces that correspond to the bounded uncertainty that is present on some model parameters. This is a direct result from the inability of modeling interdependence. Such assumption of complete independence might prove in some cases to be highly over‐conservative. A first example is the modeling of spatial uncertainty, where the interdependence is governed by allowable spatial gradients of field realizations. Secondly, interdependence can also occur in case uncertainty in several structural quantities has the same root cause (eg, the manufacturing process). Recent work by the authors introduced concepts for modeling dependence between intervals in a spatial and multivariate context. However, it is unclear how an analyst has to deal with multiple quantities that have a spatial uncertainty component and are furthermore interdependent. This paper presents an approach to link multiple interval fields using recently introduced convex hull pair constructions and inverse distance weighting interpolation. Two case studies to illustrate the new methodology are included, proving the flexibility of the methodology in the modeling of auto‐ and cross‐interdependence between multiple interval scalars and/or interval fields.

show abstract

“…Thực tế, các thông tin này thường chứa đựng các yếu tố ngẫu nhiên, không rõ ràng, không chính xác (thông tin không chắc chắn). Bên cạnh các phương pháp xác suất dựa trên thông tin được mô hình là các đại lượng ngẫu nhiên, phân tích và đánh giá kết cấu theo mô hình mờ cũng thu hút nhiều nghiên cứu [1,2].…”

Section: Giới Thiệuunclassified

Một chương trình phân tích kết cấu mờ ứng dụng dựa trên xấp xỉ Taylor bậc nhất

Hùng¹,

Anh²

2020

TCKHCNXD

View full text Add to dashboard Cite

Bài báo này giới thiệu một chương trình phân tích kết cấu mờ để phân tích các kết cấu có các tham số mờ. Một kỹ thuật phân tích mờ cải tiến dựa trên khai triển Taylor bậc nhất đối với các đáp ứng của kết cấu kết hợp với phương pháp phân tích mờ theo lát cắt α được đề xuất nhằm giảm số lần phân tích kết cấu. Chương trình được xây dựng trên MATLAB theo hướng có thể kết nối với các chương trình phân tích kết cấu tiền định có sẵn. Hai ví dụ kết cấu hệ thanh phẳng với số lượng biến mờ tương đối lớn, một kết cấu dàn phẳng và một kết cấu khung phẳng, được khảo sát để minh họa cho hiệu quả của chương trình. Kết quả từ ví dụ cho thấy, chương trình đề xuất có thể xác định hàm thuộc của đáp ứng chuyển vị và nội lực của kết cấu có độ chính xác tương đối cao và chi phí tính toán thấp so với tính toán theo phương pháp tối ưu trực tiếp. Từ khóa: phân tích kết cấu mờ; xấp xỉ Taylor; lát cắt α; tham số mờ, tối ưu mức α.

show abstract

Recent Trends in the Modeling and Quantification of Non-probabilistic Uncertainty

Cited by 114 publications

References 212 publications

Unified Framework and Survey for Model Verification, Validation and Uncertainty Quantification

Unified Framework and Survey for Model Verification, Validation and Uncertainty Quantification

On auto‐ and cross‐interdependence in interval field finite element analysis

Một chương trình phân tích kết cấu mờ ứng dụng dựa trên xấp xỉ Taylor bậc nhất

Contact Info

Product

Resources

About