.png){kind=icon}
返回
AK-TSESC: A two-stage hybrid active learning Kriging algorithm combining an efficient error-based stopping criterion for time-dependent reliability analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2025.111603.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时变可靠性分析（TDRA）因其能够评估动态不确定性下的结构可靠性而受到广泛关注。然而，使用计算成本高昂且复杂的数值模型来模拟这些不确定性条件往往被证明是不切实际的。为解决这一挑战，本研究提出了AK-TSESC，一种两阶段混合主动学习克里金（AK）算法，该算法整合了全局探索、局部开发以及针对TDRA的高效误差基停止准则（ESC）。在第一阶段，引入了一种混合学习函数，结合新开发的优化期望最小全局（OELG）和期望改进（EI）函数，以识别输入变量的全局最优特征。在第二阶段，围绕全局最优值定义一个局部区域，并通过高效优化定位一个更高质量的学习点以细化克里金模型。基于最大相对误差（MRE）的终止准则确保以降低成本和提升精度的收敛。通过三个数值算例和五个说明性算例验证了所提出方法的有效性，尤其突出了其在涉及随机过程和高非线性问题中的性能。
Keyword:
time-dependent reliability analysis
active learning Kriging
hybrid learning function
efficient error-based stopping criterion
stochastic processes
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
引用论文
P. Chakroborty, S. L. N. Dhulipala, M. D. Shields, Covariance-free bifidelity control variates importance sampling for rare event reliability analysis, SIAM/ASA Journal on Uncertainty Quantification 13 (3) (2025) 1406–1451. [doi:10.1137/24M1658498]. https://doi.org/10.1137/24M1658498P. Chakroborty, S. L. N. Dhulipala, M. D. Shields, 无协方差双保真度控制变量重要性抽样方法在稀有事件可靠性分析中的应用, SIAM/ASA 不确定性量化杂志 13 (3) (2025) 1406–1451. [doi:10.1137/24M1658498]. https://doi.org/10.1137/24M1658498.png)
IF0
PREAI
分享收藏A single-loop strategy for time-variant system reliability analysis under multiple failure modes
PREAI
分享收藏分享收藏
查看更多内容