31、工程中不确定性量化与优化的全面解析

工程中不确定性量化与优化的全面解析

在工程领域，数据的可用性往往具有不确定性，这对我们量化和处理不确定性带来了挑战。接下来，我们将深入探讨在不同数据情况下的不确定性量化方法，以及如何将这些不确定性融入优化框架中。

1. 数据充足时的不确定性量化：概率理论

当有充足的数据时，我们可以使用概率理论来对随机量进行数学表示。在概率理论中，随机变量与不确定事件的结果相关联。例如，桁架的横截面积由于是批量生产且存在公差，因此可以看作随机变量。

常见的标准概率密度函数（PDF）类型包括均匀分布、正态分布、威布尔分布和对数正态分布等。其中，正态分布在设计优化问题中经常被使用，其形状由均值和标准差这两个参数决定。当数据充足时，我们可以使用直方图或概率图等技术来探索数据的潜在分布。同时，统计检验（如卡方检验或柯尔莫哥洛夫 - 斯米尔诺夫检验）可以帮助我们确定 PDF 拟合的优劣。

一旦 PDF 拟合到数据集上，我们通常关注的不确定性参数是该 PDF 的前两个矩，即均值和标准差。下面通过一个两杆桁架问题的例子来说明具体操作：

% 使用给定的数据，定义变量 “set” 为一个包含 100 个元素的向量
histfit(set);  
figure(2)           % 打开一个新的图形窗口
normplot(set);

如果数据的正态概率图近似为线性，则可以认为该数据服从正态分布。通过上述代码绘制的直方图和正态概率图，可以验证横截面积是否服从正态分布。对于给定的横截面积数据集，我们可以计算出其均值和标准差分别为 0.9947 和 0.0961 平方英寸。 <