ارائه روشی موثر در تولید نمونه های تصادفی برای محاسبه احتمال خرابی سازه ها به روش مونت کارلو

نظریه قابلیت اطمینان، شاخه‌ای از تئوری عمومی احتمالات است که طی دهه‌های اخیر، به تدریج جایگاه ویژه‌ای در علوم مهندسی کسب کرده است. به‌طور کل، قابلیت اطمینان، مقیاسی است که می‌توان احتمال خرابی و یا سلامت یک سیستم را توسط آن سنجید. تاکنون روش‌های متنوعی در برآورد احتمال خرابی یک پدیده ارائه شده است که روش مونت‌کارلو یکی از مهم‌ترین و پرکاربردترین روش‌ها در این زمینه است. در پژوهش حاضر با ارائه یک روش بسیار موثر و ساده، تعداد زیادی از گام‌های مورد نیاز در تولید داده‌های تصادفی حذف خواهند شد. تولید داده در این روش، برمبنای نمودار هیستوگرام بوده و هیچ نیازی به آزمون‌های سازگار نمودن توابع مختلف با داده‌ها نمی‌باشد. این روش در مواردی بسیار پرکاربرد می‌باشد که داده‌های مربوط به پدیده مورد بررسی به تعداد کافی در دسترس بوده تا نمودار هیستوگرام پیوسته‌ای ایجاد شود. با گذراندن این نمودار از داده‌های یکنواخت پراکنده شده در فضای سه‌بعدی، می‌توان متغیرهایی با توزیع کاملا هماهنگ با داده‌ها به‌دست آورد. همچنین چهار مثال عملی در مورد برآورد احتمال خرابی یک تیر بتن مسلح یک دهانه و تیر فولادی چند دهانه، احتمال خرابی لغزشی و واژگونی سد بتنی وزنی شفارود و احتمال خرابی قوسی پل بوروکریگ ارائه شده که نتایج آن بیانگر کارآیی و دقت روش پیشنهادی می‌باشد.

Expression an Effective Method in Generation of Random Samples to Calculate the Failure Probability of Structures With MCS Method

Reliability theory is a part of the general theory of probability that earned a special place in engineering science over recent decades. This theory has a logical framework. It provides the actual safety assessment possibility of a system by analyzing the uncertainties using mathematical methods. These uncertainties are caused by the statistical nature of engineering problems. Reliability is a scale that can measure the probability of failure or safety of a system. So far, various methods have been proposed to estimate the probability of failure of a phenomenon. MCS is one of the most important and most widely used approaches in this field. Many steps will be removed by providing a simple and effective method. The data generated in this method is based on the histogram. SGH, there is no need to curve fitting test. This method is very useful in case data on the studied phenomenon be available in sufficient number, and continuous histograms could be created. The general performance of SGH is passing the histogram of uniform data scattered in threedimensional space and select samples in the diagram area. As well as, it provided three practical examples. The first one is estimating the failure probability of a concrete beam under moment load with four random variables. The second example expressed failure probability of a steel beam, and the third one is about sliding and overturning failure of SHAFAROUD concrete gravity dam. Results were compared with the usual method of sample generation and indicated the effectiveness and accuracy of the responses of the proposed method.