不確実性伝播（Uncertainty Propagation、UP）は、入力の不確実性が構造応答に与える影響を評価するための重要なプロセスであり、工学的応用において大きな意義を持つ。しかし、高度に非線形かつ多出力特性を有する構造システムに対して、正確かつ効率的な不確実性伝播解析を実現することは依然として課題である。本研究では、この課題に対応するために人工ニューラルネットワーク（Artificial Neural Network、ANN）を基盤とした新規の適応型UP手法を提案する。本手法では、解析的導出法によりANNを用いて出力応答の平均値を直接取得し、この計算過程はネットワークの重みとバイアスベクトルの呼び出しのみで済む。出力の標準偏差計算問題に対しては、本研究は多変数積分の代わりに複数の一変数積分を革新的に採用した。構築した解析法と一変数積分技術は、ANNフレームワーク下における従来の数値シミュレーション法で出力統計モーメント推定時にしばしば生じる後処理誤差問題を効果的に緩和した。さらに、本研究は入力空間の分割と調整可能な多点追加戦略を含む適応型フレームワークを提案し、構造UP問題の計算精度を向上させた。高度な非線形問題、多出力システムおよび有限要素モデルなどの複数の応用事例を通じて提案手法の有効性を検証した。結果は、本手法が統計的モーメントを正確に推定できるだけでなく、構造の出力応答の確率密度関数を効果的に得られることを示している。

不確実性伝播;人工ニューラルネットワーク;解析結果;一変数積分;適応型フレームワーク