[論文レビュー] Metamodel-based importance sampling for structural reliability analysis

Vincent Dubourg, François Deheeger+1 more|arXiv (Cornell University)|May 3, 2011

Probabilistic and Robust Engineering Design参考文献 1被引用数 22

ひとこと要約

この論文は、構造信頼性解析におけるメタモデルに基づく重要度サンプリング法を提案しており、クリギングを用いて準最適な重要度サンプリング密度を構築することで、計算コストを低減しつつ高精度な破壊確率推定を可能にする。この手法は、補間モデルとバイアス補正項を組み合わせており、100個の確率的変数およびまれな破壊事象を含む問題に対しても高い効率性を発揮する。

ABSTRACT

Structural reliability methods aim at computing the probability of failure of systems with respect to some prescribed performance functions. In modern engineering such functions usually resort to running an expensive-to-evaluate computational model (e.g. a finite element model). In this respect simulation methods, which may require $10^{3-6}$ runs cannot be used directly. Surrogate models such as quadratic response surfaces, polynomial chaos expansions or kriging (which are built from a limited number of runs of the original model) are then introduced as a substitute of the original model to cope with the computational cost. In practice it is almost impossible to quantify the error made by this substitution though. In this paper we propose to use a kriging surrogate of the performance function as a means to build a quasi-optimal importance sampling density. The probability of failure is eventually obtained as the product of an augmented probability computed by substituting the meta-model for the original performance function and a correction term which ensures that there is no bias in the estimation even if the meta-model is not fully accurate. The approach is applied to analytical and finite element reliability problems and proves efficient up to 100 random variables.

研究の動機と目的

• 性能関数の評価が高価な場合に、モンテカルロシミュレーションの高い計算コストを軽減すること。
• 高価なシミュレーションに依存せずに、まれな事象の破壊確率推定における分散を低減すること。
• メタモデル誤差を考慮しつつも、破壊確率の不偏推定を維持する信頼性の高い手法を提供すること。
• 補間モデルとアクティブラーニングを用いて、100個の確率的変数まで含む高次元問題においても、効率的な信頼性解析を可能にすること。

提案手法

• 元のモデルの有限な評価回数を用いて、性能関数のクリギング補間モデルを構築する。
• クリギングモデルを用いて、破壊領域の周辺に集中する準最適な重要度サンプリング密度を定義する。
• 破壊確率は、2つの独立な推定器（メタモデルからの推定と補正項からの推定）の積として推定する。
• 補正項により、クリギングモデルが不正確であっても、メタモデル誤差を補正することで不偏推定を保証する。
• アクティブラーニングを用いて、限界状態付近のサンプルを段階的に追加し、最小限の追加評価でモデルの精度を向上させる。
• スライスサンプリング技術を活用して、重要度分布からのサンプルを効率的に生成する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてメタモデリングと重要度サンプリングを組み合わせ、評価コストの高いモデルの信頼性解析における計算負担を低減できるか？
• RQ2 クリギング補間モデルを用いて、破壊領域に近いサンプルが集中する有効な重要度サンプリング密度を定義できるか？
• RQ3 メタモデル近似によって生じるバイアスをどのように補正し、不偏な破壊確率推定を保証できるか？
• RQ4 標準モンテカルロ法や補間モデル専用手法と比較して、分散低減と必要なサンプル数の削減という観点でどの程度の効率向上が達成できるか？
• RQ5 次元数の増加に伴って、特に100個の確率的変数を含む問題において、この手法はどのようにスケーリングするか？

主な発見

• 標準モンテカルロ法と比較して顕著な分散低減が達成され、モデル評価回数を大幅に削減しつつ高精度な破壊確率推定が可能になった。
• バイアス補正推定器により、クリギング補間モデルが不完全であっても、最終的な破壊確率推定値は不偏のままである。
• 100個の確率的変数を含む問題に対しても、高い精度と効率性を維持でき、一般的な補間ベース手法をはるかに超えるスケーラビリティを示した。
• アクティブラーニング戦略により、限界状態付近に効果的に新しいサンプルを集中させることができ、追加計算コストを最小限に抑えつつモデル精度を向上させた。
• 最終推定器の変動係数は、中程度のサンプル数で10%未満に抑えられ、高い信頼性と効率性を示した。
• まれな破壊事象のシナリオにおいて、標準モンテカルロ法や補間モデル専用手法に比べ、計算効率とロバスト性の両面で優れた性能を発揮した。