Feedback

Seismic Risk Assessment of Structures by Means of Stochastic Simulation Techniques

GND
132686627
Affiliation/Institute
Institut für Angewandte Mechanik
Sibilio, Enrico

In this Thesis, issues related to seismic risk assessment have been addressed. The first part focuses on the definition of the seismic hazard at a specific site. Its quantification mainly depends on the attenuation relation considered. A probabilistic content is usually associated with the attenuation law which quantifies its inherent uncertainty. In order to estimate a mathematical expression and rationally identify its uncertainty, a probabilistic approach has been proposed. The method is based on Bayesian Model Updating and Robust Predictive Analysis. The Bayesian updating problem has been solved by using two advanced Markov Chain Monte Carlo methods. Finally, the Robust Predictive Analysis has been implemented to account for all uncertainties involved in the attenuation law identification. The second part of the Thesis deals with the assessment of the failure probability for linear uncertain structural models subjected to earthquakes. A Bayesian Model Updating technique in the frequency domain with unknown non stationary input has been employed in order to quantify the posterior probability density function of the structural model parameters. The probability of exceeding a limit state has been evaluated for some damage scenarios. In the third part of the Thesis, the seismic risk has been evaluated for two nonlinear structural models. Two techniques have been compared. The first one is the IM-based approach which is typically employed in the probabilistic framework of the Performance Based Seismic Design, whereas the second technique is the Subset Simulation. Both deterministic and uncertain mechanical features for the models have been implemented. The effect of the structural model uncertainty has been successfully investigated.

In dieser Dissertation sind die Punkte, die sich auf seismische Risikobeurteilung beziehen, angesprochen worden. Der erste Teil konzentriert sich auf die Definition der seismischen Gefahr an einem spezifischen Ort. Deren Quantifizierung ist hauptsächlich von der betrachteten Dämpfungsbeziehung abhängig. Normalerweise ist ein Wahrscheinlichkeitsgehalt mit dem Dämpfungsgesetz verknüpft, welcher die anhaftende Unsicherheit quantiviziert. Um einen Zahlenwert abzuschätzen und seine Unsicherheit rationell zu beschreiben, ist eine wahrscheinlichkeitstheoretischer Ansatz vorgeschlagen worden. Die Methode basiert auf dem Bayesian Updating und der Robust Predictive Analyse. Das Bayesian Updating Problem ist durch die Verwendung von zwei verbesserten Markov-Kette-Monte-Carlo-Methoden gelöst worden. Schließlich wurde die Robust Predictive Analyse implementiert, um alle im Abnahmegesetz einbezogen Unsicherheiten zu berücksichtigen. Der zweite Teil der Dissertation beschäftigt sich mit der Einschätzung der Versagenswahrscheinlichkeit von linearen unsicheren Tragwerksmodellen, die erdbebenbeansprucht sind. Um die a posteriori Wahrscheinlichkeitsdichtefunktionen der Parameter des Tragwerkmodells quantitativ zu bestimmen, kam ein Bayesian Updateing Verfahren im Frequenzgebiet mit unbekannten nichtstationären Eingabedaten zum Einsatz. Die Überschreitenswahrscheinlichkeit eines Grenzzustandes ist für einige Schadensszenarien ausgewertet worden. Im dritten Teil der Dissertation, wurde die seismische Gefahr für zwei nichtlineare Tragwerksmodelle eingeschätzt. Zwei Verfahren wurden verglichen. Das erste ist das IM-basierte Verfahren, das gewöhnlich im probabilistischen Rahmen des Performance Based Seismic Design eingesetzt wird. Die zweite Technik hingegen ist die Subset Simulation. Sowohl deterministische als auch probabilistische mechanische Eigenschaften sind in die Modelle implementiert worden. Die Auswirkung struktureller Modellunsicherheiten ist erfolgreich untersucht worden.

Cite

Citation style:
Could not load citation form.

Access Statistic

Total:
Downloads:
Abtractviews:
Last 12 Month:
Downloads:
Abtractviews:

Rights

Use and reproduction:
All rights reserved