木材構成則の階層ベイズ校正 / Hierarchical Bayesian Calibration of Wood Constitutive Models

代表的な成果図 Selected Result Figure

4チェーンの収束ゲートを通過し、最大R-hat 1.010、主要量の最小ESS 274.6を確認。

Passed the four-chain convergence gate with maximum R-hat 1.010 and minimum key-quantity ESS 274.6.

試験体全体のホールドアウト、事後予測チェック、パラメータ回復を同じ検証枠組みに統合。

Integrated whole-specimen holdout, posterior predictive checks, and parameter recovery in one validation framework.

部分プーリングが単純プラグインを上回らない結果と、意図的な非識別性をそのまま報告。

Retains the finding that partial pooling did not beat the simple plug-in and reports designed non-identifiability directly.

課題Problem

試験体・バッチ差を考慮しながら構成パラメータを校正し、同時に識別可能性を診断する。
Calibrate constitutive parameters across specimen and batch variation while diagnosing identifiability.
方法Method

15試験体・3バッチの合成実験に階層ベイズモデルとMCMCを適用する。
Apply a hierarchical Bayesian model and MCMC to a synthetic experiment with 15 specimens in 3 batches.
検証Validation

収束診断、事後予測、試験体ホールドアウト、回復実験、事前・事後比較を実施する。
Use convergence diagnostics, posterior prediction, specimen holdout, recovery experiments, and prior-posterior comparison.
成果Outcome

計算診断は合格したが、ホールドアウトRMSEは部分プーリング0.856、プラグイン0.834で、単純法への優位は示さなかった。
Computational diagnostics passed, but holdout RMSE was 0.856 for partial pooling versus 0.834 for the plug-in, showing no advantage over the simpler method.

閉ループ合成検証であり、実材料、有限要素モデル、設計安全性への適用を示さない。
This is closed-loop synthetic validation and does not establish applicability to real materials, finite-element models, or design safety.

公開コードPublic code

合成データ、推論コード、診断、テストを含む安全な独立公開リポジトリとして整備済み。

Prepared as a safe standalone public repository with synthetic data, inference code, diagnostics, and tests.