Analýza dat v navrhování konstrukcí

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra ocelových a dřevěných konstrukcí

Anotace:

Předmět je zaměřen na metody analýzy dat v navrhování konstrukcí za běžné teploty i při požáru. Zabývá se postupy vědeckého zpracování dat, od sběru a identifikace rozhodujících parametrů přes numerickou analýzu metodou konečných prvků až po statistické vyhodnocení a interpretaci výsledků. Součástí je využití nástrojů pro práci s daty (Python apod) a aplikace metod umělé inteligence a strojového učení při generování a zpracování rozsáhlých datových souborů. Důraz je kladen na propojení experimentálních a numerických přístupů a na jejich využití v inženýrské praxi.

Požadavky:

Osnova přednášek:

1.Úvod do analýzy dat v navrhování konstrukcí přehled celého postupu na praktických příkladech, důraz na definování cíle a identifikace rozhodujících parametrů.

2.Citlivostní numerická analýza MKP význam a principy citlivostní analýzy, základy vědeckého MKP modelování, volba úrovně analýzy, generování sítě a tvorba geometrie, ověření jednotlivých vlivů (SHAP analýza).

3.Experimentální analýza z hlediska dat návrh efektivní experimentální analýzy, volba měřících metod, práce s nejistotami a korekcemi dat.

4.Parametrická numerická studie validace postupu, stanovení chyby numerického řešení, výběr rozhodujících parametrů a jejich rozsahů, rozšíření souboru dat z experimentální analýzy.

5.Generování a práce s rozsáhlými umělými soubory dat základy práce v Pythonu, základy pravděpodobnosti a pravděpodobnostní přístup podle EN 1990, generování dat a práce s rozsáhlými umělými soubory dat.

6.Interpretace a prezentace rozsáhlých souborů dat a výsledků zásady přehledné a důvěryhodné prezentace provedené analýzy, využití AI nástrojů.

Osnova cvičení:

7.Výběr a definování hlavního cíle, práce s existujícími datovými úložišti a online knihovnami pro účely sběru dat, předběžné určení rozhodujících parametrů.

8.Práce se sebranými daty: filtrace, seskupení. Hrubé ověření rozhodujících parametrů MKP citlivostní analýzou, výpočet míry vlivu každého parametru na konečnou hodnotu.

9.Zásady MKP modelování v ANSYS: typ analýzy, geometrie, materiálový model, numerická síť, okrajové podmínky.

10.Definování dílčích úkolů, modelování a doplnění souboru experimentálních dat z literatury.

11.Přenos dat do prostředí Pythonu. Statistické vyhodnocení získaného souboru dat a jeho nahrazení regresními funkcemi. Generování rozsáhlých umělých souborů dat pravděpodobnostní metodou.

12.Interpretace a prezentace výsledků a závislostí práce s Matplotlib, spolupráce s ChatGPT pro urychlení prezentace výsledků.

Cíle studia:

Hlavním cílem předmětu je rozšířit dovednosti studentů v oblasti práce s daty, a to jak v oblasti pochopení a zpracování experimentálních dat, tak i v práci s pokročilými numerickými MKP analýzami v programu Ansys. Studenti si osvojí tvorbu a práci s rozsáhlými umělými datovými soubory vytvořenými s využitím nástrojů umělé inteligence a strojového učení ve vhodných prostředích (Python apod).

Studijní materiály:

EN 1990, Eurocode - Basic of structural design. Second edition. Brussels, 2002

D. Jarušková, Probability and mathematical statics, Czech Technical University, Prague, 2015.

Před zahájením výuky budou vytvořeny vlastní výukové podklady.

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Integrální bezpečnost staveb (povinně volitelný předmět)
• Stavební Inženýrství - konstrukce a dopravní stavby, specializace Inženýrské konstrukce (povinně volitelný předmět)
• Stavební Inženýrství - konstrukce a dopravní stavby, specializace Dopravní stavby a geotechnika (povinně volitelný předmět)
• Stavební inženýrství - pozemní stavby, specializace Projektování pozemních staveb (povinně volitelný předmět)
• Stavební inženýrství - pozemní stavby, specializace Statika pozemních staveb (povinně volitelný předmět)