La propagación de la incertidumbre (Uncertainty Propagation, UP) es un paso clave para evaluar el impacto de la incertidumbre en las entradas sobre la respuesta estructural, y tiene una gran importancia en las aplicaciones de ingeniería. Sin embargo, para sistemas estructurales con alta no linealidad y características de múltiples salidas, realizar un análisis preciso y eficiente de la propagación de la incertidumbre sigue siendo un desafío. Este estudio propone un nuevo método adaptativo de UP basado en redes neuronales artificiales (Artificial Neural Network, ANN) para abordar este desafío. En este método, la media de la respuesta de salida se obtiene directamente mediante ANN a través de deducción analítica, y el proceso de cálculo solo requiere llamar a los pesos y vectores de sesgo de la red. Para el cálculo de la desviación estándar de la salida, este estudio utiliza de manera innovadora múltiples integrales univariadas en lugar de integrales multivariadas. El método analítico establecido y la técnica de integración univariada alivian eficazmente los errores de posprocesamiento comunes en la estimación de momentos estadísticos de salida bajo el marco de ANN, los cuales se presentan en métodos numéricos tradicionales. Además, este estudio propone un marco adaptativo que incluye la partición del espacio de entrada y una estrategia ajustable de adición de múltiples puntos para mejorar la precisión del cálculo del problema de propagación de la incertidumbre estructural. La efectividad del método propuesto se confirmó mediante varios casos de aplicación que incluyen problemas altamente no lineales, sistemas de múltiples salidas y modelos de elementos finitos. Los resultados muestran que el método no solo puede estimar con precisión los momentos estadísticos, sino que también puede obtener eficazmente la función de densidad de probabilidad de la respuesta estructural.

propagación de la incertidumbre;red neuronal artificial;resultados analíticos;integral univariada;marco adaptativo