Das Stellvertretermodell kann den Schätzprozess der Ausfallwahrscheinlichkeit effektiv beschleunigen, jedoch führt es oft zu Schätzverzerrungen, wenn das Modell die tatsächliche Ausfallfläche nicht genau beschreibt. Dies ist besonders häufig bei praktischen technischen Problemen mit hoher Dimension und/oder starker Nichtlinearität. Unter Verwendung des Konzepts der verzögerten Annahme (delayed acceptance, DA) aus Markov-Chain-Monte-Carlo-Methoden (MCMC) schlägt dieser Artikel eine neue Strategie vor, welche die Subset-Simulation (SuS) mit einem Stellvertretermodell kombiniert, die sogenannte DA-SuS-Methode. Diese Methode zerlegt den Annahmeprozess in MCMC in drei Stufen, wobei die Kandidatenproben zuerst durch das Stellvertretermodell beurteilt werden; wenn sie in dieser Phase abgelehnt werden, gelangen sie nicht zu den folgenden Berechnungen. Der verzögerte Annahme-Mechanismus verletzt nicht die detaillierte Gleichgewichtsbedingung von MCMC, d.h. unabhängig von der Genauigkeit des Stellvertretermodells bleibt die stationäre Verteilung die Zielverteilung, was die asymptotische Unverzerrtheit der MCMC-Schätzer garantiert. Obwohl diese Strategie die statistische Effizienz etwas verringert, reduziert sie die Rechenkosten erheblich, da das reale Modell nur für Kandidaten mit hoher Ausfallwahrscheinlichkeit aufgerufen wird, was die Gesamtrecheneffizienz verbessert. Darüber hinaus werden drei verbesserte Strategien eingeführt, darunter die adaptive Schulung des Kriging-Stellvertretermodells, ein akzeptanzkriterium basierend auf Fehlklassifikationsfehlern und ein kettenstufenweises Aktualisierungsschema. Die Leistung des DA-SuS-Algorithmus wurde anhand von drei Benchmark-Beispielen getestet und mit herkömmlicher SuS und verbesserten Varianten mit Stellvertretermodell verglichen. Die Ergebnisse zeigen, dass die vorgeschlagene DA-SuS-Methode selbst bei hochdimensionalen und stark nichtlinearen Problemen eine unverzerrte Schätzung der Ausfallwahrscheinlichkeit ermöglicht, wobei ihre statistische und rechnerische Effizienz teilweise von der Qualität des Stellvertretermodells abhängt.

Subset-Simulation; Stellvertretermodell; Unverzerrtheit; verzögerte Annahme; Kriging