论文部分内容阅读
贝叶斯后验推断方法可以继承历史先验信息的客观规律,反映先验模型的主观认识,从而可以准确地对混凝土构件承载力进行预测与分析,建立精度较高的受剪承载力计算模型,区别于传统频率统计方法和贝叶斯概率统计方法的马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo方法,简称MCMC方法)能够将高维积分的计算问题采用随机模拟的方式来实现,进一步提高了计算精度。深受弯构件是典型的应力紊乱区,至今未形成统一的计算模型和设计方法,论文将Bayesian-MCMC方法引入解决深受弯构件受剪承载力的预测与分析,为预测该类构件受剪承载力提供了一种精度较高的计算方法。主要研究内容包括:1、分析研究了收集到的645组深受弯构件受剪试验数据,识别现行规范中受剪承载力计算方法的准确性,对比了受剪试验值和不同规范计算值的差异,分析了各影响因素的显著性,基于贝叶斯理论,采用随机抽样理论研究了MCMC方法中的Gibbs采样法和Metropolis-Hastings采样法,推导了用Bayesian-MCMC方法求解深受弯构件受剪承载力的计算过程。2、采用R语言对深受弯构件概率模型参数进行MCMC随机模拟,给出参数的最优估计值及其对应的可信度,在先验模型基础上建立了钢筋混凝土深受弯构件受剪承载力概率模型,根据不同置信水平确定了深受弯构件受剪承载力的特征值,结果表明:基于Bayesian-MCMC方法得到的受剪承载力概率模型是在50000次迭代分析后产生的结果,能合理地解释影响参数的不确定性,可信度较高。3、完成受剪概率模型计算结果与四国规范计算值的对比分析,研究表明:基于Bayesian-MCMC方法得到的受剪承载力概率模型计算结果与试验结果吻合良好,与试验值比值的均值更接近1,标准差较小,基于四国规范所得概率模型较四国规范计算模型更接近试验破坏值,且离散性较小,精度较高。4、将Bayesian-MCMC方法引入到可靠度的求解中,利用蒙特卡洛重要性抽样方法,分析了基于Bayesian-MCMC方法所得的深受弯构件受剪承载力概率模型在承载能力极限状态下的可靠性,并求得可靠度指标?,结果表明:基于Bayesian-MCMC方法所得深受弯构件的受剪承载力概率计算模型具有一定的可靠度,满足现行规范中要求的承载能力极限状态下的可靠度指标。论文通过采用Bayesian-MCMC方法求解深受弯构件的受剪承载力,进一步将贝叶斯理论以及MCMC方法引入到深受弯构件受剪承载力的预测和分析,结合随机抽样理论将Bayesian-MCMC方法引入到可靠度的求解中,对于保障工程安全具有重要的理论意义和实用价值。