基于支持向量機(jī)的可靠度計算方法研究.pdf

1、工程結(jié)構(gòu)在設(shè)計使用期內(nèi)存在許多不確定性，如載荷、結(jié)構(gòu)材料和尺寸、計算模型等。結(jié)構(gòu)可靠度理論是處理結(jié)構(gòu)不確定性、進(jìn)行結(jié)構(gòu)性能評估的有力工具。然而對于復(fù)雜的工程結(jié)構(gòu)，功能函數(shù)通常是高度非線性隱式函數(shù)，傳統(tǒng)的基于梯度的一次/二次可靠度算法、蒙特卡羅法需要花費(fèi)大量時間。隱式功能函數(shù)的可靠性分析成為工程結(jié)構(gòu)可靠度面臨的一個普遍問題。替代模型(Surrogates)是處理大量仿真模擬問題的有效途徑，如可靠度分析、全局優(yōu)化、多目標(biāo)優(yōu)化等，利用替代模型

2、近似真實的功能函數(shù)，是當(dāng)前解決隱式功能函數(shù)可靠度計算的一個有效方法，而如何構(gòu)造逼真、穩(wěn)定、方便的替代模型是該領(lǐng)域研究的重要內(nèi)容。 支持向量機(jī)(Support Vector Machine，SVM)是建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上的一種新的機(jī)器學(xué)習(xí)方法，實現(xiàn)了結(jié)構(gòu)風(fēng)險最小化原則，具有出色的小樣本學(xué)習(xí)性能和良好的泛化性能，目前已廣泛應(yīng)用于語音識別、圖像識別等模式識別領(lǐng)域，而在可靠度領(lǐng)域的應(yīng)用剛剛開始。鑒于支持向量機(jī)出色的小樣本學(xué)習(xí)能力，