Simulation of random fields for stochastic finite element analysis

Simulation of random fields for stochastic finite element analysis

Paper in proceedings (conference paper)

Randomizaci komerčnách a akademických programů založených na metodě konečných prvků je v poslední době věnována nárůstající pozornost. Jenomže výpočtové nároky jsou zejména u nelineárních úloh čaasto značné Simulace náhodných polí je základní úlohou v metodě stochastických konečných prvků (SFEM). There are many techniques available nowadays, but for computationally intensive problems (typically nonlinear FEM calculations) we are constrained by small number of Monte Carlo type simulations we can afford. The paper proposes a method which combines the spectral decomposition of covariance matrix and improved Latin Hypercube Sampling (LHS). Paper tackles some extremely important aspects of random fields simulation for SFEM with small number of simulations at satisfactory accuracy: improvements to both basic statistical moments and autocorrelation structure of simulated random field. All these aspects are important for computational efficiency, robustness and accuracy in SFEM.

Randomizaci komerčnách a akademických programů založených na metodě konečných prvků je v poslední době věnována nárůstající pozornost. Jenomže výpočtové nároky jsou zejména u nelineárních úloh čaasto značné Simulace náhodných polí je základní úlohou v metodě stochastických konečných prvků (SFEM). There are many techniques available nowadays, but for computationally intensive problems (typically nonlinear FEM calculations) we are constrained by small number of Monte Carlo type simulations we can afford. The paper proposes a method which combines the spectral decomposition of covariance matrix and improved Latin Hypercube Sampling (LHS). Paper tackles some extremely important aspects of random fields simulation for SFEM with small number of simulations at satisfactory accuracy: improvements to both basic statistical moments and autocorrelation structure of simulated random field. All these aspects are important for computational efficiency, robustness and accuracy in SFEM.

Random fields, Autocorrelation, Latin Hypercube Sampling, Orthogonal transformation, Error Assessment

VOŘECHOVSKÝ, M., NOVÁK, D.

18.06.2005

Millpress Rotterdam

Netherlands

90-5966-040-4

Safety and Reliability of Engineering Systems and Structures

436

8