Hierarkkinen Bayes-malli tunnelin vaurioiden ennustamiseen

Ennakoiva kunnossapito säästää aikaa ja rahaa. Tässä työssä sovitetaan kallioon louhitun tunnelin vaurioaineistoon hierarkkinen Bayes-malli, jolla vaurioiden kehittymistä voi ennustaa. Ennusteiden avulla kunnossapitoa voi kohdentaa tarvealueille ennakoivasti ja ehjäksi ennustetuilla alueilla tarkast...

Full description

Bibliographic Details
Main Author: Julkunen, Teemu
Other Authors: Matemaattis-luonnontieteellinen tiedekunta, Faculty of Sciences, Matematiikan ja tilastotieteen laitos, Department of Mathematics and Statistics, Jyväskylän yliopisto, University of Jyväskylä
Format: Master's thesis
Language:fin
Published: 2021
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/79017
Description
Summary:Ennakoiva kunnossapito säästää aikaa ja rahaa. Tässä työssä sovitetaan kallioon louhitun tunnelin vaurioaineistoon hierarkkinen Bayes-malli, jolla vaurioiden kehittymistä voi ennustaa. Ennusteiden avulla kunnossapitoa voi kohdentaa tarvealueille ennakoivasti ja ehjäksi ennustetuilla alueilla tarkastusväliä voi harventaa. Aineistona tässä työssä käytetään käytetyn ydinpolttoaineen loppusijoituslaitoksen ONKALO®n ajotunnelin vaurioita, joita on kerätty vuosina 2016--2020. Yleisesti tunnelissa voi esiintyä useita eri vauriotyyppejä. Valittu hierarkkinen Bayes-malli huomioi spatiaalisen riippuvuuden lisäksi myös vauriotyyppien väliset riippuvuudet satunnaisvaikutusten korreloituneisuudella. Ajallinen kehitys puolestaan mallinnetaan satunnaisvaikutusten odotusarvon kautta autoregressiivisesti. Bayesiläinen lähestymistapa mallintamisessa mahdollistaa mallin sovituksen, vaikka aineistossa on puuttuvaa tietoa, kunhan tietyt edellytykset ovat voimassa.