信号分解とMarkov連鎖モンテカルロ(MCMC)シミュレーションを用いたスパース測定から直接非定常非Gauss3Dランダムフィールドサンプルのノンパラメトリックシミュレーション【JST・京大機械翻訳】

Zhao Tengyuan; Wang Yu

文献

J-GLOBAL ID：202002231528199472 整理番号：20A2132927

信号分解とMarkov連鎖モンテカルロ(MCMC)シミュレーションを用いたスパース測定から直接非定常非Gauss3Dランダムフィールドサンプルのノンパラメトリックシミュレーション【JST・京大機械翻訳】

Non-parametric simulation of non-stationary non-gaussian 3D random field samples directly from sparse measurements using signal decomposition and Markov Chain Monte Carlo (MCMC) simulation

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2132927&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2132927&from=J-GLOBAL&jstjournalNo=D0980B") }}

著者 (2件)： ,
資料名：
巻： 203 ページ： Null 発行年： 2020年
JST資料番号： D0980B ISSN： 0951-8320 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

過去数十年にわたるパーソナルコンピュータの絶えず成長する計算力によって,空間的に変化する三次元(3D)量の確率的シミュレーションを,機械システムおよび土木または地質構造のための設計または解析を行うとき,工学量の空間的変動性の影響を明示的に考慮するために,数値解析モデル(例えば,3D有限要素モデル)と結合させた。ランダム場理論は確率シミュレーションでしばしば採用されるが,そこではランダム場サンプル(RFS)が実際に遭遇する空間的に変化する工学的量を表すために生成される。それにもかかわらず,3D RFSのシミュレーションは,特に測定がまばらで限られた場合,特に特定のプロジェクトの工学的実践で遭遇する場合,自明ではない。これは,ランダム場パラメータ(例えば,自己相関構造のタイプ,相関長,限界確率分布)が,プロジェクトからの測定がまばらで限定される時に決定するのが難しいからである。関心量が非定常かつ/または非Gaussであるとき,問題はより挑戦的になる。これは,スパース測定からの非定常非Gauss3D RFSの適切なシミュレーションに対して大きな挑戦を与える。この課題に取り組むために,本論文は,Markov連鎖モンテカルロ(MCMC)シミュレーションによるディジタル信号処理における信号分解の概念を統合する方法を提案した。提案した方法はノンパラメトリックでデータ駆動である。それは,入力としてスパース測定とそれらの対応する3D空間座標をとり,出力として多くの高分解能非定常非Gauss3D RFSを返す。この方法を一連の数値例を用いて説明した。結果は,提案方法が合理的によく機能することを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

信頼性

, , , , , , ,

前のページに戻る