基于MLS-SVM的结构整体可靠度与全局灵敏度分析

摘要：

作为一种有效的代理模型,支持向量机(SVM)以统计学习中的结构风险最小化原则为基本原理,在具有隐式极限状态函数的结构可靠度分析中得到了广泛的应用.然而,传统的支持向量机在核函数的选择、全局基本变量空间建模、计算效率等方面还存在许多不足.针对这些不足,该文提出一种新的基于移动最小二乘(MLS)技术的支持向量机模型(MLS-SVM),可以在全局基本变量空间中具备自适应能力.该文将MLS-SVM应用于复杂结构的整体可靠度和全局灵敏度分析,并将该模型与基于再生核函数的支持向量机(RPK-SVM)及基于最小二乘的支持向量机(LS-SVM)进行比较分析,结果表明:该文提出的模型相较其他两种模型具有更高的精度和计算效率.

关键词：支持向量机、移动最小二乘、钢筋混凝土框架、整体可靠度、全局灵敏度

所属期刊栏目：39

分类号：TU311.2(建筑结构)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：92-100