論文の概要: Calibration of the von Wolffersdorff model using Genetic Algorithms
- arxiv url: http://arxiv.org/abs/2006.08433v1
- Date: Wed, 10 Jun 2020 20:07:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 05:41:58.427640
- Title: Calibration of the von Wolffersdorff model using Genetic Algorithms
- Title（参考訳）: 遺伝的アルゴリズムを用いたフォン・ヴォルフフェルスドルフモデルの校正
- Authors: Francisco J. Mendez, Antonio Pasculli, Miguel A. Mendez, Nicola
Sciarra
- Abstract要約: 本稿では、フォン・ヴォルフフェルスドルフの法則を校正するための遺伝的アルゴリズム(GA)に基づく最適化フレームワークを提案する。
提案手法は, 実測値と3軸ドレイン圧縮試験の結果から, これらのパラメータを自動的に適合させることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article proposes an optimization framework, based on Genetic Algorithms
(GA), to calibrate the constitutive law of von Wolffersdorff. This constitutive
law is known as Sand Hypoplasticity (SH), and allows for robust and accurate
modeling of the soil behavior but requires a complex calibration involving
eight parameters. The proposed optimization can automatically fit these
parameters from the results of an oedometric and a triaxial drained compression
test, by combining the GA with a numerical solver that integrates the SH in the
test conditions. By repeating the same calibration several times, the
stochastic nature of the optimizer enables the uncertainty quantification of
the calibration parameters and allows studying their relative importance on the
model prediction. After validating the numerical solver on the
ExCaliber-Laboratory software from the SoilModels' website, the GA calibration
is tested on a synthetic dataset to analyze the convergence and the statistics
of the results. In particular, a correlation analysis reveals that two couples
of the eight model parameters are strongly correlated. Finally, the calibration
procedure is tested on the results from von Wolffersdorff, 1996, and Herle &
Gudehus, 1999, on the Hochstetten sand. The model parameters identified by the
Genetic Algorithm optimization improves the matching with the experimental data
and hence lead to a better calibration.
- Abstract（参考訳）: 本稿では,フォン・ヴォルフフェルスドルフの構成法則を校正するための遺伝的アルゴリズム(GA)に基づく最適化フレームワークを提案する。
この構成法則はSand hypoplasticity(SH)と呼ばれ、土壌の挙動の堅牢で正確なモデリングを可能にするが、8つのパラメータを含む複雑なキャリブレーションを必要とする。
提案手法は, gaとshを結合した数値解法とを組み合わせることで, oedometric および triaxial drained compression test の結果から, これらのパラメータを自動的に適合させることができる。
同じキャリブレーションを数回繰り返すことで、オプティマイザの確率的性質はキャリブレーションパラメータの不確実性定量化を可能にし、モデル予測における相対的重要性の研究を可能にする。
soilmodelsのwebサイトからexaliber-laboratoryソフトウェア上で数値解法を検証すると、gaキャリブレーションが合成データセット上でテストされ、結果の収束度と統計値を分析する。
特に相関解析により、8つのモデルパラメータの2つの組が強く相関していることが分かる。
最後に、1996年のフォン・ヴォルフフェルスドルフと1999年のHerle & Gudehusによるホクステッテン砂のキャリブレーション法が試験された。
遺伝的アルゴリズム最適化によって同定されたモデルパラメータは、実験データとのマッチングを改善し、キャリブレーションが向上する。
関連論文リスト
- Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。
ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
論文 参考訳（メタデータ） (2024-09-29T22:54:31Z) - Deterministic and statistical calibration of constitutive models from full-field data with parametric physics-informed neural networks [36.136619420474766]
フルフィールド変位データからモデルキャリブレーションを行うためのパラメトリック物理インフォームドニューラルネットワーク(PINN)について検討した。
PINNの高速評価により、ほぼリアルタイムでキャリブレーションを行うことができる。
論文 参考訳（メタデータ） (2024-05-28T16:02:11Z) - Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。
入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。
コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
論文 参考訳（メタデータ） (2024-04-23T09:22:35Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。
本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。
我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文 参考訳（メタデータ） (2023-02-23T12:17:36Z) - Exploring the Optimized Value of Each Hyperparameter in Various Gradient
Descent Algorithms [0.0]
勾配降下アルゴリズムは、高い精度または低い誤差の深層学習モデルのパラメータ最適化に応用されている。
本研究では,各対象関数の平均誤差を,様々な勾配降下アルゴリズムに基づいて解析するフレームワークを提案する。
実験の結果,提案手法により高効率収束と低誤差が得られることがわかった。
論文 参考訳（メタデータ） (2022-12-23T12:04:33Z) - The GA-cal software for the automatic calibration of soil constitutive
laws: a tutorial and a user manual [0.0]
GA-calは遺伝的アルゴリズム(GA)最適化を用いて法則を自動調整するソフトウェアである。
提案手法は、キャリブレーション問題を回帰として設定し、GA最適化を用いてモデルパラメータを数値モデルが実験データと一致するように調整する。
実装されたサブルーチンは、異なるテストやモデルを含む他の回帰や最適化問題を解決するために容易に拡張できる。
論文 参考訳（メタデータ） (2022-11-24T15:08:55Z) - Numerically Stable Sparse Gaussian Processes via Minimum Separation
using Cover Trees [57.67528738886731]
誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。
地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
論文 参考訳（メタデータ） (2022-10-14T15:20:17Z) - On the Calibration of Pre-trained Language Models using Mixup Guided by
Area Under the Margin and Saliency [47.90235939359225]
モデルキャリブレーションをさらに改善する事前学習型言語モデルのための新しい混合戦略を提案する。
本手法は,ドメイン内およびドメイン外テストサンプルの強いベースラインと比較して,最小のキャリブレーション誤差を実現する。
論文 参考訳（メタデータ） (2022-03-14T23:45:08Z) - Automatic Calibration Framework of Agent-Based Models for Dynamic and
Heterogeneous Parameters [11.723777972627143]
本研究では,動的キャリブレーション法と不均一キャリブレーション法を組み合わせた自動キャリブレーション手法を提案する。
動的キャリブレーションは、シミュレーションパラメータを調整するための適切なシミュレーション時間を自動的にキャプチャすることで、シミュレーション結果を実世界のデータに適合させる。
不均一キャリブレーションは、エージェント関連パラメータをクラスタワイズに調整することにより、シミュレーションと実世界の個人間の分布差を低減する。
論文 参考訳（メタデータ） (2022-03-07T05:45:16Z) - Parameterized Temperature Scaling for Boosting the Expressive Power in
Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。
最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。
当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2021-02-24T10:18:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。