基于支持向量回归的响应面可靠度计算.pdfVIP

基于支持向量回归的响应面可靠度计算.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第47卷 第1期 中山大学学报 (自然科学版) Vo1.47 No.1 2008年 1月 ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS SUNYATSENI Jan. 2008 基于支持向量回归的响应面可靠度计算 刘济科,赵 卫 (中山大学应用力学与工程系,广东广州510275) 摘 要:针对可靠度计算问题中极限状态函数比较复杂或为隐式的情况,提出了一种基于支持向量回归的响应 面可靠度计算方法。该方法通过支持向量回归来拟合极限状态函数,所得函数偏导数计算简单,便于进一步采 用常规的一次或二次可靠度方法进行求解。该方法首先用拉丁超立方抽样方法产生训练所需样本,通过支持向 量回归构造极限状态函数的替代函数,然后用可靠度计算中比较常用的梯度优化法计算其可靠指标或失效概率。 算例结果证明了该方法的可靠性和有效性。 关键词:支持向量回归;响应面;可靠度计算;梯度优化法 中图分类号:0342;TU323 文献标识码:A 文章编号:0529-6579(2008)o1-0001-04 对于实际工程的复杂结构可靠度计算问题,用 1 支持向量机及支持向量回归 于判断结构或部件等行为失效的极限状态函数往往 不具有明确的解析表达式,或者呈现高度的非线性 支持向量机 (suppo~vector machines,SVM) 化状态。针对这一类可靠度计算问题,一种回归拟 是ATT Bell实验室的Vapnik于20世纪90年代提 合极限状态函数曲面的方法——响应面方法 (Re— 出来的,是一种建立在统计学习理论基础上的机器 sponse Surface Method)为工程界所广泛采用 。 学习方法。已经广泛应用于模式识别,回归分析和 响应面方法是将数学方法和统计方法相结合的产 函数拟合等问题中,并且有一套坚实的理论基 物,它通过回归拟合解析表达式 = (X)来代替 础 ,下面是 —SVR支持向量回归的基本原 真实极限状态函数曲面Z=G( )进行可靠度的计 理。 算,这样就避免了采用一次或二次可靠度方法 假定给定一个训练样本集:S:(( 。,Y。),…, (FORM或SORM)不易求取极限状态函数对随机 ( 。,Y。)) (X x Y) ,这里X c R“,对于两类分 变量的偏导数的问题,使可靠度计算得到简化。但 类问题 Y= {一1,1},对于m类分类问题 Y= 是,目前常用的响应面方法一般采用一次或二次多 {1,2,…,m},而对于回归问题Y R,f为训 项式来拟合或逼近极限状态函数,显然在极限状态 练样本的数目。 函数曲面非线性化程度较高时,这种方法并不能很 对于.厂可以采用下式来估计函数: 好地逼近极限状态函数,从而会导致后续采用一次 )=tO 咖( )+b (1) 或二次可靠度方法进行可靠度计算的精度不高或误 对于I厂为线性函数的情况,引入估计误差 后可以 差较大。 转化为对偶问题: l 本文提出了一种基于支持向量回归 (Sup. 1 min了1∑( — i )( 一 ’) + port Vector Regression,SVR)的响应面方法,将隐 式的极限状态函数用逼近的显式函数来代替。由于

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档