水壩溢流之風(fēng)險(xiǎn)分析-以翡翠水庫(kù)為例(編輯修改稿)
2025-07-21 13:02 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 eth162。s Point Estimation Method)而言，當(dāng)模式具有p個(gè)隨機(jī)參數(shù)時(shí)，則必須有2p組之參數(shù)組合，亦即模式須執(zhí)行2p次，是以當(dāng)模式具有大量參數(shù)個(gè)數(shù)p時(shí)，則使用羅森布魯斯點(diǎn)估算法于不確定性分析所需之計(jì)算量將相當(dāng)可觀。（Harr’s PEM）Harr(1989)改進(jìn)羅森布魯斯點(diǎn)估計(jì)法(Rosenblueth, 1975)因模式參數(shù)個(gè)數(shù)增多，而使模式計(jì)算量大增之缺點(diǎn)，于1989年提出另一種方法，將羅森布魯斯點(diǎn)估計(jì)法計(jì)算次數(shù)由2p次減少至2p次。哈爾點(diǎn)估計(jì)法(Harr162。s Point Estimation Method)利用正交轉(zhuǎn)換（Principle Axis Transform）將p個(gè)相關(guān)之隨機(jī)參數(shù)轉(zhuǎn)成p個(gè)不相關(guān)之隨機(jī)參數(shù)。根據(jù)模式中隨機(jī)參數(shù)之相關(guān)矩陣(Correlation Matrix)，找出p個(gè)特征相量與特征值。然后找出特征向量與以參數(shù)平均值為圓心，以p1/2為半徑之圓的交點(diǎn)2p個(gè)，一旦求得2p個(gè)交點(diǎn)后模式輸出之N階動(dòng)差便可求出。（MCS）蒙地卡羅模擬法為一傳統(tǒng)的技術(shù)，從參數(shù)定義域之機(jī)率分布中隨機(jī)取樣。蒙地卡羅模擬法是在二次大戰(zhàn)期間用來(lái)模擬有關(guān)原子彈發(fā)展過(guò)程中的復(fù)雜問(wèn)題；而今日的蒙地卡羅模擬法應(yīng)用于模擬牽涉隨機(jī)過(guò)程的復(fù)雜問(wèn)題。蒙地卡羅模擬法是一個(gè)完全的隨機(jī)的取樣法，換句話說(shuō)，任何一次取樣將有可能取到參數(shù)定義域中的任何位置，因此我們可預(yù)期此法是相當(dāng)無(wú)效率的，一般來(lái)說(shuō)，樣本愈大則所得的解愈正確。因此此法相當(dāng)費(fèi)時(shí)，且輸入之隨機(jī)變量之額外變化將直接影響模式輸出之統(tǒng)計(jì)動(dòng)差。（LHS）拉丁超立方取樣法（LHS）和蒙地卡羅（MCS）皆為統(tǒng)計(jì)上的取樣方法；其基本概念乃依據(jù)各輸入?yún)?shù)之統(tǒng)計(jì)特性（分布型態(tài)及定義域范圍），采分層（每層之機(jī)率相同）的取樣方法來(lái)產(chǎn)生各參數(shù)之隨機(jī)樣本；利用拉丁超立方取樣法可有效率地計(jì)算模式輸出值的統(tǒng)計(jì)特性，也就是利用有限之樣本數(shù)合理的描述輸入?yún)?shù)對(duì)模式輸出之統(tǒng)計(jì)動(dòng)差。至于分層之組數(shù)并無(wú)定則，McKay(1988)建議以選擇之輸入?yún)?shù)的兩倍，而Iman and Helton(1985)則建議4/3倍可以得到一滿意之結(jié)果；本文考慮之輸入?yún)?shù)有7個(gè)，共采用20層之分層取樣。IV、系統(tǒng)風(fēng)險(xiǎn)評(píng)估策略（fault tree）分析此法乃由下而上來(lái)分析系統(tǒng)之風(fēng)險(xiǎn)。失誤樹(shù)為代表系統(tǒng)因組成元素的失敗(system ponent failure)而導(dǎo)致系統(tǒng)失敗(system failure)的邏輯圖表(logical diagram)。失誤樹(shù)使用二種主要的組合符號(hào)，分別為交集(intersection)與聯(lián)集(union)；交集 AND：代表必須所有的輸入事件(event inputs)均發(fā)生的情況下，則輸出事件(event outputs)才得以成立；而聯(lián)集OR：則是代表當(dāng)一個(gè)等于或大于輸入事件(event inputs)發(fā)生時(shí)，則輸出事件(event outputs)即成立之情況，如圖一所示。失誤樹(shù)分析的優(yōu)點(diǎn)如下：? 能夠洞
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1