基于尾部依赖的上穿分析用于极值预测
《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Tail-dependence-based up-crossing analysis for extreme value prediction
【字体:
大
中
小
】
时间:2026年09月28日
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 10.2
编辑推荐:
摘要基于上穿分析的极值预测在工程结构的可靠性评估中应用广泛。然而,现有的非高斯过程方法通常依赖于高斯依赖假设下的无记忆变换模型,当连续观测值之间的上尾依赖性不同于高斯 copula 时,这些假设可能不足以准确描述实际情况。本研究建立了一种基于尾依赖的上穿分析框架,用于非高斯相
摘要基于上穿分析的极值预测在工程结构的可靠性评估中应用广泛。然而,现有的非高斯过程方法通常依赖于高斯依赖假设下的无记忆变换模型,当连续观测值之间的上尾依赖性不同于高斯 copula 时,这些假设可能不足以准确描述实际情况。本研究建立了一种基于尾依赖的上穿分析框架,用于非高斯相依随机序列的极值预测。研究引入Ledford–Tawn表示来刻画连续观测值的联合上尾行为,从而得到了上穿率的显式表达式,该表达式以边缘分布和尾依赖参数表示。此外,还进行了敏感性分析,以量化尾依赖参数的变化如何影响重现水平估计。数值算例和实测风速记录表明,所提方法能够准确重现上穿率和极值超越概率,同时揭示了不当高斯依赖假设可能带来的潜在偏差。
引言工程结构在其使用寿命内所承受的最大荷载效应是结构安全评估和基于可靠性的设计的根本量。由于环境作用、结构响应和运营条件的固有随机性,荷载效应通常随时间呈随机过程演化[1]、[2]、[3]、[4]。因此,其在预定时间内的最大值也是一个随机变量。在工程实践中,设计决策通常基于该最大值的较高分位数,该分位数以目标超越概率或相应的重现期来定义。因此,可靠地估计此类设计值需要对底层随机过程在关注时间间隔内的最大值的概率分布进行适当表征[5]。
根据极值理论,在适当的正则条件下,随机过程的最大值可能渐近收敛到经典极值分布族中的一种[6]、[7]。这一理论基础促使了块最大值法(BMM)[8]的广泛应用。在BMM中,观测时间序列被划分为等长的非重叠块,提取每个块中的最大值以拟合极值分布。该方法已在不同领域得到广泛应用,包括水文极端值重现水平的估计[9]以及结构极端风荷载的预测[10]、[11]。然而,BMM依赖于块最大值近似独立这一假设,这通常需要足够长的块持续时间以减少连续最大值之间的相关性。同时,可靠的分布拟合又要求有足够多的块数。这两个要求往往难以同时满足,特别是在仅有短时记录可用的情况下。
为改进短时记录的极值估计,需要更高效地利用底层随机过程所含信息。一种常用方法是阈值超限法(POT)[12]、[13]、[14]。POT方法不使用每个块中的单一最大值,而是提取超过选定阈值的超限事件并对相应的峰值进行建模。通过使用比BMM更多的极端观测值,POT可以减少尾部分位估计中的统计不确定性。然而,其性能对阈值选择和去聚集程序的选择较为敏感,而这两者往往涉及经验判断[7]。另一种重要方法基于最大值分布与母随机过程穿越特性之间的关系,这种关系可以通过Rice最初开发的上穿率分析[15]来建立。在经典公式中,上穿率由过程的联合概率密度函数(PDF)及其时间导数确定。对于高斯随机过程,该联合PDF可以利用过程的谱矩方便地表示[16]、[17]。对于非高斯随机过程,无记忆变换模型已被广泛用于扩展高斯上穿框架[5]、[18]。在该方法中,非高斯过程被表示为底层高斯过程的单调变换[19]、[20]、[21]、[22]。这种处理方式允许在边缘变换后应用高斯过程已建立的穿越理论,并已在极端风效应预测中取得了成功应用,例如非高斯风压响应[23]。然而,从高斯过程进行无记忆变换会保留潜在空间中的高斯依赖结构。因此,尽管边缘分布可以为非高斯,但不同时间瞬间之间的依赖关系,以及过程与其导数之间的依赖关系,仍然受到底层过程所隐含的高斯copula的约束。对于表现出非高斯依赖特征的实用工程和过程而言,这一假设可能具有局限性,例如非线性海洋波浪[24]、疲劳裂纹扩展和退化过程[25]以及降水极端值[26]。因此,研究所假设的高斯依赖结构如何影响一般非高斯相依随机过程的上穿率估计和极值预测是十分重要的。
Copula理论提供了一种灵活的框架,用于将边缘分布与依赖结构分离,因此非常适合对非高斯依赖性进行建模[27]、[28]、[29]。在极值分析的背景下,尾区域的依赖结构尤为重要,因为高水平的上穿由过程和其导数在罕见事件水平附近的联合行为决定。参数化copula模型和多变量极值分布已被用于描述不同的依赖形式[30]、[31]。然而,许多标准的参数化copula对渐近尾行为施加了特定约束。例如,高斯copula可以表示不同水平的线性相关性,但在尾部是渐近独立的,除非相关性是完美的[32]。这表明仅凭整体相关结构可能不足以刻画与高水平穿越相关的联合行为。
通过尾依赖度量可以获得更精细的尾行为描述。特别是,Ledford和Tawn提出的尾依赖系数(TDC)[33]刻画了联合生存概率在尾部的衰减速率,能够统一区分更为一般的渐近依赖结构类别。此类度量提供了一种有用的基础,用于描述超越传统相关或标准高斯假设的尾依赖[34]、[35]。受这一观察的启发,本研究基于Ledford–Tawn尾依赖表示为非高斯相依随机序列建立了一种上穿率分析框架,以阐明随机序列两个连续值之间的尾依赖在极值预测中的作用。同时,也为在序列表现出一般非高斯依赖特征时评估常用高斯依赖假设的稳健性提供了基础。
分节摘要
**尾依赖系数**
两个随机变量的联合分布为表征其依赖关系提供了关键信息。设X和Y为两个连续随机变量,其联合累积分布函数(CDF)为FXY(x,y),边缘CDF分别为FX(x)和FY(y)。对X和Y进行概率积分变换,即U=FX(X),V=FY(Y),变换后的随机变量U和V在区间[0,1]上均匀分布。(X,Y)的copula定义为(…)的联合CDF。
**尾依赖参数的敏感性指数**
通过数值求解关于η和χ的方程(30)来考察尾依赖对重现水平的影响。采用标准高斯分布作为边缘分布,考虑四个具有代表性的NR值,即103、10?、10?和10?。结果如图1所示,其中还包含了忽略尾依赖修正所得的重现水平(方程(31)中的xind)以供比较。结果表明,当η较小时,xR接近xind。
**高斯相依随机序列**
第一个验证算例考虑高斯相依随机序列。由于高斯copula的理论尾依赖行为是已知的,该算例为检验所提的基于尾依赖的上穿模型能否正确复现高斯相依序列的极值特征提供了有用的基准。
考虑一个具有如下单侧功率谱密度(PSD)的平稳高斯随机过程X(t):SX(n)=3/(1+n)?。
**结论**
本研究为具有非高斯依赖结构的平稳离散随机序列的极值预测开发了一种基于尾依赖的上穿框架。主要结论总结如下:
- 所提框架将Ledford–Tawn尾依赖表示引入上穿分析,提供了一种超越常用高斯依赖假设的灵活极值预测方法。
- 敏感性分析表明,CRediT作者贡献声明:Xu Hong:撰写—原稿、监督、方法论、资金获取、正式分析、概念构思。Wei Jiang:撰写—原稿、验证、调查、正式分析、数据管理。Fan Kong:撰写—审稿与编辑、验证、资源、调查、数据管理。Junhua Fang:撰写—审稿与编辑、验证、软件、调查。
**利益冲突声明**:作者声明,他们没有已知的可能影响本文工作的竞争性经济利益或个人关系。
**致谢**:本研究得到了国家自然科学基金(编号52408522)、安徽省自然科学基金(编号2408085QE149)、中央高校基本科研业务费(编号JZ2025HGTB0210和JZ2023HGTA0194)以及广东省智能韧性土木结构重点实验室开放项目计划资助。
Xu Hong | Wei Jiang | Fan Kong | Junhua Fang
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号