Resumen

Los métodos de análisis de fragilidad sísmica basados en metamodelos pueden superar el desafío de los altos costos computacionales de problemas que consideran las incertidumbres de los terremotos y parámetros estructurales; sin embargo, la precisión de los metamodelos es difícil de controlar. Para mejorar la eficiencia de los análisis sin comprometer la precisión, se propone un método de metamodelado que utiliza regresión de procesos gaussianos (GPR) y aprendizaje activo (AL) para el análisis de fragilidad sísmica. En este método, se construye un metamodelo GPR para estimar la respuesta sísmica estocástica de una estructura, en la cual se considera la variabilidad de registro a registro como en el enfoque de análisis de fragilidad basado en metamodelos duales. El metamodelo también puede predecir el error de estimación. Aprovechando esta capacidad, presentamos una estrategia de AL para muestreo adaptativo, de modo que el metamodelo pueda mejorarse de forma adaptativa según el problema.

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Análisis de fragilidad; Metamodelo; Respuesta sísmica; Regresión de proceso gaussiano; Aprendizaje activo; Eficiencia computacional
• Keywords:Fragility analysis; Metamodel; Seismic response; Gaussian process regression; Active learning; Computational efficiency