文献

J-GLOBAL ID：202002283710284424   整理番号：20A0429429

DLTMとモニタリング結合データに基づく橋の極端な応力のベイズ予測【JST・京大機械翻訳】

Bayesian prediction of bridge extreme stresses based on DLTM and monitoring coupled data

著者 (4件)： Liu Yuefei (Key Laboratory of Mechanics on Disaster and Environment in Western China (Lanzhou University), The Ministry of Education of China, Lanzhou, P.R. China) ,  Liu Yuefei (School of Civil Engineering and Mechanics, Lanzhou University, Lanzhou, P.R. China) ,  Fan Xueping (Key Laboratory of Mechanics on Disaster and Environment in Western China (Lanzhou University), The Ministry of Education of China, Lanzhou, P.R. China) ,  Fan Xueping (School of Civil Engineering and Mechanics, Lanzhou University, Lanzhou, P.R. China)
資料名： Structural Health Monitoring  (Structural Health Monitoring)
巻： 19  号： 2  ページ： 454-462  発行年： 2020年 
JST資料番号： W2357A  ISSN： 1475-9217  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 結合データを監視することによってブリッジの動的結合極限応力を予測するために,本論文は,時系列として極端な応力データをモニターして,非定常性とランダム性の融合によって生み出すその結合を考慮した。最初に,局所多項式理論を導入し,そして,結合極値応力データを監視する局所多項式次数を,時系列解析法によって推定した。第二に,時系列解析結果に基づいて,動的線形傾向モデル(DLTM)と対応するBayes確率再帰過程を,動的結合極限応力を予測するために与えた。最後に,実際の橋から結合した極端な応力データをモニターすることを通して,提案した方法は,従来のBayes動的線形モデルと比較して,ブリッジの動的結合極限応力を予測するためにより効果的であることを証明した。Copyright The Author(s) 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 時系列分析 ,  *多項式 ,  線形モデル
準シソーラス用語： ランダム性 ,  非定常性 , 【Automatic Indexing@JST】

著者キーワード (6件)： 結合データのモニタリング ,  局所多項式理論 ,  時系列解析法 ,  DLTM ,  Bayes確率再帰過程 ,  結合極端応力予測

分類 (1件)： 橋梁の破壊,保守,その他  (RC06080X)

タイトルに関連する用語 (4件)： モニタリング ,  橋 ,  応力 ,  予測