Skip to Main content Skip to Navigation
Theses

Treatment of dependency in sensitivity analysis for industrial reliability

Résumé : Les études de fiabilité des structures ont recours à des approches probabilistes permettant de quantifier le risque qu'un événement accidentel se produise. La dépendance entre les variables aléatoires d'entrée d'un modèle peut avoir un impact significatif sur les résultats de l'étude de sureté. Cette thèse apporte une contribution au traitement de la dépendance en fiabilité des structures. Les deux principaux thèmes traités dans ce document sont, d'une part, l'analyse de sensibilité pour variables dépendantes lorsque la dépendance est connue et, d'autre part, l'évaluation d'un risque de fiabilité lorsque la dépendance est inconnue. Dans un premier temps, nous proposons une extension des mesures d'importance par permutation de l'algorithme des forêts aléatoires au cas de données dépendantes. Nous adaptons aussi l'algorithme d'estimation des indices de Shapley, utilisés en théorie des jeux, afin de prendre compte l'erreur d'estimation des indices. Dans un second temps, lorsque la structure de dépendance est inconnue, nous proposons une estimation conservative du risque de fiabilité basée sur une modélisation de la dépendance qui permet de déterminer la structure de dépendance la plus pénalisante. La méthodologie proposée est appliquée à un exemple de fiabilité structurelle permettant d'obtenir une estimation conservative du risque.
Document type :
Theses
Complete list of metadatas

Cited literature [168 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02293846
Contributor : Nazih Benoumechiara <>
Submitted on : Sunday, September 22, 2019 - 1:53:33 PM
Last modification on : Friday, May 29, 2020 - 4:01:37 PM
Document(s) archivé(s) le : Sunday, February 9, 2020 - 2:10:39 AM

File

thesis_benoumechiara.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : tel-02293846, version 1

Citation

Nazih Benoumechiara. Treatment of dependency in sensitivity analysis for industrial reliability. Statistics [stat]. Sorbonne Université; EDF R&D, 2019. English. ⟨tel-02293846⟩

Share

Metrics

Record views

185

Files downloads

292