Resumen

El Método de Expansión del Caos Polinómico Generalizado (gPCEM), que es un método de análisis de incertidumbre aleatoria que emplea las bases de polinomios ortogonales del esquema de Askey para representar el espacio aleatorio, ha sido ampliamente utilizado en aplicaciones de ingeniería debido a su buen rendimiento tanto en eficiencia computacional como en precisión. Sin embargo, en gPCEM, siempre se debe utilizar una transformación no lineal de variables aleatorias para adaptar la teoría del Caos Polinómico generalizado al análisis de problemas aleatorios con distribuciones de probabilidad complicadas, lo que puede introducir no linealidad en el procedimiento de propagación de incertidumbre aleatoria y llevar a errores de aproximación en la función de distribución de probabilidad (PDF) de las variables aleatorias. Este artículo tiene como objetivo desarrollar un método de expansión polinómica flexible para el análisis de respuesta del sistema de elementos finitos con variables aleatorias acotadas siguiendo distribuciones de probabilidad arbitrarias. Basado en la ampl

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Método de expansión de caos polinómico; Análisis de incertidumbre aleatoria; Bases de polinomios ortogonales; Transformación no lineal; Función de distribución de probabilidad; Sistema de elementos finitos
• Keywords:Polynomial chaos expansion method; Random uncertainty analysis; Orthogonal polynomial bases; Nonlinear transformation; Probability distribution function; Finite element system