کمیسازی عدم قطعیت (UQ)، رشتهای است که به مشخصهیابی، انتشار و کاهش عدم قطعیت در مدلهای محاسباتی و پیشبینیهای مهندسی میپردازد. این رشته چارچوبی دقیق برای تصمیمگیری تحت عدم قطعیت فراهم میآورد که برای مهندسی زلزله مدرن بنیادی است.
کمیسازی عدم قطعیت (UQ)، رشتهای است که به شناسایی، مشخصهیابی، انتشار و کاهش عدم قطعیت در مدلهای محاسباتی و پیشبینیها میپردازد. هر پیشبینی مهندسی شامل عدم قطعیت است — در پارامترهای ورودی، در ساختار مدل، در تقریبهای عددی و در دادههای مشاهدهای مورد استفاده برای اعتبارسنجی. UQ چارچوبی نظاممند برای برخورد با این عدم قطعیتها فراهم میآورد و از یک پیشبینی «بهترین برآورد» واحد به مشخصهیابی احتمالاتی میرود که بیان میکند چه چیزی معلوم است، چه چیزی نامعلوم است و پیشبینی تا چه حد قابل اعتماد است. این رشته ریشه در آمار، نظریه احتمال و تحلیل عددی دارد و در دو دهه گذشته در پاسخ به استفاده فزاینده از مدلهای محاسباتی برای تصمیمهای پرخطر بهسرعت رشد کرده است.
UQ دو نوع بنیادی عدم قطعیت را تشخیص میدهد. عدم قطعیت تصادفی (که عدم قطعیت کاهشناپذیر یا آماری نیز نامیده میشود) از تصادفیبودن ذاتی ناشی میشود — تغییرپذیری طبیعی بزرگای زلزله، حرکات زمین، خواص مصالح و پاسخهای سازه. این عدم قطعیت نمیتواند با اندازهگیری یا مدلسازی بهتر کاهش یابد؛ تنها راه برخورد با آن مشخصهیابی توزیعش است. عدم قطعیت معرفتی (که عدم قطعیت کاهشپذیر یا مدل نیز نامیده میشود) از کمبود دانش ناشی میشود — مدلهای ناقص، دادههای ناقص، پارامترهای نامعلوم و فرضهای آرمانیشده. این نوع در اصل میتواند با اندازهگیری، مدلسازی یا داده بهتر کاهش یابد، هرچند در عمل کاهش ممکن است کند یا پرهزینه باشد. روشهای UQ با عدم قطعیت تصادفی و معرفتی بهطور متفاوت برخورد میکنند و این تمایز برای تصمیمگیری مهم است: کاهش عدم قطعیت معرفتی سرمایهگذاری ارزشمندی است، در حالی که کاهش عدم قطعیت تصادفی ممکن نیست.
UQ چندین فعالیت و روش محوری را در بر میگیرد. انتشار رو به جلو عدم قطعیت در ورودیها را میگیرد و عدم قطعیت حاصل در خروجیها را محاسبه میکند — با استفاده از روشهایی نظیر شبیهسازی مونتکارلو، بسط آشوب چندجملهای و روشهای طیفی. مسائل معکوس و استنباط بیزی مشاهدات را میگیرند و توزیعهای احتمال پارامترهای مدل را استنتاج میکنند — با استفاده از روشهایی نظیر مونتکارلوی زنجیره مارکوف (MCMC)، استنباط تغییراتی و شبکههای عصبی بیزی. تحلیل حساسیت شناسایی میکند کدام ورودیها بیشترین تأثیر را بر عدم قطعیت خروجی دارند — با استفاده از روشهایی نظیر حساسیت مبتنی بر واریانس (شاخصهای سوبول)، حساسیت موضعی (مشتقات) و روشهای غربال (موریس). واسنجی مدل پارامترهای مدل را برای تطبیق با دادههای مشاهدهشده تنظیم میکند در حالی که عدم قطعیت را در نظر میگیرد. اعتبارسنجی مدل ارزیابی میکند که آیا مدل برای کاربرد مورد نظر با توجه به دادههای در دسترس کافی است. تحلیل قابلیت اعتماد احتمال شکست یا تجاوز از یک آستانه عملکرد را محاسبه میکند. در مهندسی زلزله، UQ محوری در تحلیل خطر لرزهای احتمالاتی (PSHA)، مهندسی زلزله مبتنی بر عملکرد (PBEE) و ارزیابی ریسک لرزهای است. چالشهای کلیدی شامل: (۱) نفرین ابعاد در فضاهای ورودی پربعد؛ (۲) هزینه اجرای شبیهسازیهای پرهزینه بارها؛ (۳) دشواری تفکیک عدم قطعیت تصادفی از معرفتی در عمل؛ (۴) تفسیر نتایج احتمالاتی برای تصمیمگیری؛ و (۵) نیاز به انتقال مؤثر عدم قطعیت به مهندسان، مالکان و عموم است. رویه مدرن بهطور فزایندهای از مدلهای جانشین برای عملی ساختن UQ، از روشهای بیزی برای برخورد دقیق با عدم قطعیت معرفتی و از ابزارهای تجسم و ارتباط برای انتقال نتایج نامعلوم استفاده میکند. در ایران، UQ بهطور فزایندهای در مطالعات خطر لرزهای، در طراحی مبتنی بر عملکرد و در پژوهش روی قابلیت اعتماد سازه و ارزیابی ریسک به کار میرود.