近日，工学院教师平梦浩在工程可靠性领域期刊《RELIABILITY ENGINEERING & SYSTEM SAFETY》（影响因子：9.4，中科院一区TOP）发表题为“Learning non-stationary model of prediction errors with hierarchical Bayesian modeling”的研究论文。
在系统识别问题中，根据结构的测量数据识别结构参数是提升数值模型模拟精度的关键手段，也是后续开展结构设计优化、可靠度分析以及结构健康监测的重要基础。针对由于建模误差、服役环境的变异性、测量噪声以及测量数据不充分等因素导致的参数识别结果的非唯一性问题，贝叶斯参数识别方法基于贝叶斯定理，提供了严格的数学工具，用于量化上述因素引起的参数不确定性。传统贝叶斯方法通常假设数值模型对测量数据的预测误差服从高斯白噪声，这一假设在复杂工程问题中往往难以成立。
本研究充分考虑了模型预测误差的非平稳性，采用高斯过程模型对预测误差建模，提出了一种新的贝叶斯推断方法，并设计了迭代求解过程，实现了模型参数与非平稳预测偏差的联合识别。研究结果表明，所提出的方法在结构动力学问题以及疲劳裂纹扩展问题中，能够准确识别关键参数及预测误差特性。此外，利用识别结果更新的数值模型也显著提升了模型对实际测量数据的预测精度。
本研究由887700葡京线路检测，888葡京集团检测线路，必赢76net线路官网和澳门大学的科研团队联合完成。887700葡京线路检测，888葡京集团检测线路，必赢76net线路官网工学院青年教师平梦浩为论文第一作者，887700葡京线路检测，888葡京集团检测线路，必赢76net线路官网为第一完成单位。
该工作得到了国家自然科学基金青年基金项目（52405248）、澳门青年学者计划（AM2023005）等项目的支持。
