Частота превышения , иногда называемая годовой нормой превышения , — это частота, с которой случайный процесс превышает некоторое критическое значение. Обычно критическое значение далеко от среднего. Обычно его определяют через количество пиков случайного процесса, находящихся за пределами границы. У него есть приложения, связанные с прогнозированием экстремальных явлений, таких как сильные землетрясения и наводнения .
Частота превышения — это количество раз, когда случайный процесс превышает некоторое критическое значение, обычно критическое значение, далекое от среднего значения процесса, в единицу времени. [1] Подсчет превышения критического значения может осуществляться либо путем подсчета пиков процесса, которые превышают критическое значение [1] , либо путем подсчета пересечений критического значения вверх, где переходом вверх является событие, при котором мгновенное значение процесса пересекает критическое значение. критическое значение с положительным наклоном. [1] [2] В этой статье предполагается, что два метода подсчета превышений эквивалентны и что процесс имеет одно восходящее пересечение и один пик на каждое превышение. Однако процессы, особенно непрерывные процессы с высокочастотными компонентами и их спектральной плотностью мощности, могут иметь несколько восходящих переходов или несколько пиков в быстрой последовательности, прежде чем процесс вернется к своему среднему значению. [3]
Рассмотрим скалярный гауссов процесс с нулевым средним y ( t ) с дисперсией σ y 2 и спектральной плотностью мощности y ( f ) , где f является частотой. Со временем этот гауссов процесс имеет пики, превышающие некоторое критическое значение y max > 0 . Подсчитав количество пересечений y max , частота превышения y max определяется как [ 1 ] [ 2 ]
N 0 представляет собой частоту восходящих пересечений 0 и связана со спектральной плотностью мощности следующим образом:
Для гауссовского процесса приближение, согласно которому количество пиков выше критического значения и количество переходов критического значения вверх одинаково, хорошо для y max /σ y > 2 и для узкополосного шума . [1]
Для спектральных плотностей мощности, которые спадают менее круто, чем f −3 , при f →∞ , интеграл в числителе N 0 не сходится. Хоблит дает методы аппроксимации N 0 в таких случаях с приложениями, направленными на непрерывные порывы ветра . [4]
По мере развития случайного процесса с течением времени количество пиков, превысивших критическое значение y max , растет и само по себе является процессом подсчета . Для многих типов распределений основного случайного процесса, включая гауссовские процессы, количество пиков выше критического значения y max сходится к пуассоновскому процессу , поскольку критическое значение становится сколь угодно большим. Времена между приходами этого пуассоновского процесса распределены экспоненциально со скоростью затухания, равной частоте превышения N ( y max ) . [5] Таким образом, среднее время между пиками, включая время пребывания или среднее время до самого первого пика, является обратной величиной частоты превышения N -1 ( y max ) .
Если количество пиков, превышающих y max, растет как пуассоновский процесс, то вероятность того, что в момент времени t еще не было ни одного пика, превышающего y max , равна e − N ( y max ) t . [6] Его дополнение,
— вероятность превышения , вероятность того, что y max будет превышен хотя бы один раз к моменту времени t . [7] [8] Эта вероятность может быть полезна для оценки того, произойдет ли экстремальное событие в течение определенного периода времени, например, в течение срока службы конструкции или продолжительности операции.
Если N ( y max ) t мало, например для частоты редкого события, происходящего за короткий период времени, то
При этом предположении частота превышения равна вероятности превышения в единицу времени pex / t , а вероятность превышения может быть вычислена путем простого умножения частоты превышения на указанный промежуток времени.