水壩溢流之風險分析-以翡翠水庫為例(編輯修改稿)
2025-07-21 13:02 本頁面
【文章內容簡介】 eth162。s Point Estimation Method)而言，當模式具有p個隨機參數時，則必須有2p組之參數組合，亦即模式須執(zhí)行2p次，是以當模式具有大量參數個數p時，則使用羅森布魯斯點估算法于不確定性分析所需之計算量將相當可觀。（Harr’s PEM）Harr(1989)改進羅森布魯斯點估計法(Rosenblueth, 1975)因模式參數個數增多，而使模式計算量大增之缺點，于1989年提出另一種方法，將羅森布魯斯點估計法計算次數由2p次減少至2p次。哈爾點估計法(Harr162。s Point Estimation Method)利用正交轉換（Principle Axis Transform）將p個相關之隨機參數轉成p個不相關之隨機參數。根據模式中隨機參數之相關矩陣(Correlation Matrix)，找出p個特征相量與特征值。然后找出特征向量與以參數平均值為圓心，以p1/2為半徑之圓的交點2p個，一旦求得2p個交點后模式輸出之N階動差便可求出。（MCS）蒙地卡羅模擬法為一傳統(tǒng)的技術，從參數定義域之機率分布中隨機取樣。蒙地卡羅模擬法是在二次大戰(zhàn)期間用來模擬有關原子彈發(fā)展過程中的復雜問題；而今日的蒙地卡羅模擬法應用于模擬牽涉隨機過程的復雜問題。蒙地卡羅模擬法是一個完全的隨機的取樣法，換句話說，任何一次取樣將有可能取到參數定義域中的任何位置，因此我們可預期此法是相當無效率的，一般來說，樣本愈大則所得的解愈正確。因此此法相當費時，且輸入之隨機變量之額外變化將直接影響模式輸出之統(tǒng)計動差。（LHS）拉丁超立方取樣法（LHS）和蒙地卡羅（MCS）皆為統(tǒng)計上的取樣方法；其基本概念乃依據各輸入參數之統(tǒng)計特性（分布型態(tài)及定義域范圍），采分層（每層之機率相同）的取樣方法來產生各參數之隨機樣本；利用拉丁超立方取樣法可有效率地計算模式輸出值的統(tǒng)計特性，也就是利用有限之樣本數合理的描述輸入參數對模式輸出之統(tǒng)計動差。至于分層之組數并無定則，McKay(1988)建議以選擇之輸入參數的兩倍，而Iman and Helton(1985)則建議4/3倍可以得到一滿意之結果；本文考慮之輸入參數有7個，共采用20層之分層取樣。IV、系統(tǒng)風險評估策略（fault tree）分析此法乃由下而上來分析系統(tǒng)之風險。失誤樹為代表系統(tǒng)因組成元素的失敗(system ponent failure)而導致系統(tǒng)失敗(system failure)的邏輯圖表(logical diagram)。失誤樹使用二種主要的組合符號，分別為交集(intersection)與聯集(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；而聯集OR：則是代表當一個等于或大于輸入事件(event inputs)發(fā)生時，則輸出事件(event outputs)即成立之情況，如圖一所示。失誤樹分析的優(yōu)點如下：? 能夠洞
環(huán)評公示相關推薦
鄂ICP備17016276號-1