베이지안 증거를 활용한 유한요소 모델 업데이트 선택

본 논문은 유한요소 모델 업데이트(FEMU) 과정에서 발생하는 ‘모델 선택’ 문제를 베이지안 통계학적 관점에서 해결하고자 한다. FEMU는 실험으로 얻은 동적 데이터(자연진동수, 모드형상 등)와 유한요소 모델이 예측하는 결과 사이의 차이를 최소화하도록 모델 파라미터(질량, 강성, 감쇠 등)를 조정하는 과정이다. 전통적인 접근법은 직접적인 파라미터 매핑(Direct)이나 반복적 최적화(Iterative) 방식에 의존하지만, 이러한 방법은 파라미터 공간이 다중해를 가질 때 어느 모델이 근본적으로 올바른지 판단하기 어렵다. 저자는 먼저 ‘모델 자체의 적합성’을 평가하는 단계가 필요하다고 주장한다. 베이지안 프레임워크에서 모델 \(H_i\)에 대한 사후 확률은 \