.png){kind=icon}
返回
An active learning adaptive Bayesian quadrature -based multimodal reliability analysis method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.113626.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种多模态自适应贝叶斯积分主动学习方法（MABQ），该方法将高斯混合模型（GMM）与贝叶斯失效概率推断（BFPI）相结合，以解决在多模态不确定性条件下的可靠性分析问题。该方法首先基于GMM建立多模态随机变量的概率表征系统。在BFPI框架内，随后推导出多模态全局后验参数的解析解，以量化多模态不确定性。此外，本研究开发了一种增强的多模态全局后验方差上限贡献（AMGUPVC）学习函数，该函数整合了模态权重自适应机制以及一种多模态双重停止准则，以实现失效边界的有效检测。通过数值算例和工程案例的系统验证表明，所提出的方法在多模态分布场景下相比传统方法展现出更高的精度和计算效率，能够有效识别复杂系统的失效特征，并显示出在工程可靠性分析应用中的显著潜力。
期刊
IF:
8
论文数:
5.6K
被引数:
3.5W
机构
引用论文
Structural reliability analysis based on the concepts of entropy, fractional moment and dimensional reduction method.png)
STRUCTURAL SAFETY
STRUCTURAL SAFETYIF6.3
PREAI
分享收藏Monitoring-Based Fatigue Reliability Assessment of Steel Bridges: Analytical Model and Application
PREAI
分享收藏A mixture distribution with fractional moments for efficient seismic reliability analysis of nonlinear structures具有分数阶矩的混合分布，用于非线性结构的有效地震可靠性分析
PREAI
分享收藏A stochastic process discretization method combing active learning Kriging model for efficient time-variant reliability analysis结合主动学习Kriging模型的随机过程离散化方法，用于有效的时变可靠性分析
PREAI
分享收藏A surrogate model based active interval densifying method for nonlinear inverse problemsSTRUCTURES
STRUCTURESIF4.3
PREAI
分享收藏Accelerating MCMC via Kriging-based adaptive independent proposals and delayed rejection通过基于Kriging的自适应独立建议和延迟拒绝加速MCMC
PREAI
分享收藏
查看更多内容