Disponibilidad de 3 a 7 días aproximadamente
Jianye Ching
Enero de 2026 Páginas: 188 Edición en tapa blanda
Código 11924 ISBN/EAN: 9781032314433
Bayesian data analysis and modelling linked with machine learning offers a new tool for handling geotechnical data. This book presents recent advancements made by the author in the area of probabilistic geotechnical site characterization.
Two types of correlation play central roles in geotechnical site characterization: cross-correlation among soil properties and spatial-correlation in the underground space. The book starts with the introduction of Bayesian notion of probability “degree of belief”, showing that well-known probability axioms can be obtained by Boolean logic and the definition of plausibility function without the use of the notion “relative frequency”. It then reviews probability theories and useful probability models for cross-correlation and spatial correlation. Methods for Bayesian parameter estimation and prediction are also presented, and the use of these methods demonstrated with geotechnical site characterization examples.
Bayesian Machine Learning in Geotechnical Site Characterization suits consulting engineers and graduate students in the area.
1. Bayesian Approach.
2. Review of Probability and Models.
3. Bayesian Parameter Estimation and Prediction.
4. Geotechnical Data and Bayesian Modeling.
5. Full-scale Real Case Study.
Jianye Ching is Distinguished Professor at National Taiwan University and Convener of the Civil & Hydraulic Engineering Program of the Ministry of Science and Technology of Taiwan. He is Chair of ISSMGE‘s TC304 (risk), Chair of Geotechnical Safety Network (GEOSNet), and Managing Editor of the journal Georisk.
El análisis y modelado de datos bayesianos, combinado con el aprendizaje automático, ofrece una nueva herramienta para el manejo de datos geotécnicos. Este libro presenta los avances recientes del autor en el área de la caracterización geotécnica probabilística de sitios.
Dos tipos de correlación desempeñan un papel fundamental en la caracterización geotécnica de sitios: la correlación cruzada entre las propiedades del suelo y la correlación espacial en el subsuelo. El libro comienza con la introducción del concepto bayesiano de probabilidad, conocido como "grado de creencia", que muestra que los axiomas de probabilidad bien conocidos pueden obtenerse mediante la lógica booleana y la definición de la función de plausibilidad sin recurrir al concepto de "frecuencia relativa". A continuación, revisa las teorías de probabilidad y los modelos de probabilidad útiles para la correlación cruzada y la correlación espacial. También se presentan métodos para la estimación y predicción de parámetros bayesianos, y se demuestra su uso con ejemplos de caracterización geotécnica de sitios.
El aprendizaje automático bayesiano en la caracterización de sitios geotécnicos es adecuado para ingenieros consultores y estudiantes de posgrado en el área.
1. Enfoque bayesiano.
2. Revisión de probabilidad y modelos.
3. Estimación y predicción de parámetros bayesianos.
4. Datos geotécnicos y modelado bayesiano.
5. Estudio de caso real a escala real.
También le puede interesar
Enero de 20126 - Jianye Ching - Refª 11924
