.png){kind=icon}
返回
A novel optimization-based adaptive Kriging method for structural reliability analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/s00366-025-02135-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自适应克里金（AK）模型是复杂结构系统可靠性分析的重要技术，但当存在大型训练样本池时，它常面临明显的建模负担。本文提出了一种基于优化的AK方法用于结构可靠性分析，该方法利用蒙特卡罗模拟的通用性和简洁性，并采用梯度下降（GD）算法和U学习函数来确定对克里金模型可靠性分析最有帮助的训练样本。基于克里金模型的分析特性，本文解析推导了U学习函数的梯度。随后，对GD算法进行了改进以提高效率，并避免获取过多概率密度极低的不重要训练样本。为克服GD算法的局部优化问题，开发了一种基于多个填充样本的AK-GD算法来构建克里金模型，这有助于在全球范围内搜索U值最小的训练样本。最后，四个算例表明，所提出的AK-GD方法能够有效规避大型样本池下克里金建模与预测的高昂计算负担，并在提供准确且稳定的可靠性分析结果方面具有显著优势。
Keyword:
Reliability analysis
Uncertainty quantification
Adaptive Kriging (AK)
Gradient descent method
Optimization method
期刊
IF:
4.9
论文数:
2.6K
被引数:
9.3K
机构
引用论文
.png){kind=icon}
Efficient reliability analysis using prediction-oriented active sparse polynomial chaos expansion
PREAI
分享收藏分享收藏
查看更多内容