基于MLS-SVM的结构整体可靠度与全局灵敏度分析
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，本文提出了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。本文将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)和基于最小二乘的支持向量机(LS-SVM)进行比较分析，结果表明：本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。
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
吕大刚 李功博 宋彦
哈尔滨工业大学,结构工程灾变与控制教育部重点实验室,黑龙江,哈尔滨,150090;哈尔滨工业大学,土木工程智能防灾减灾工业和信息化部重点实验室,黑龙江,哈尔滨,150090
国内会议
广州
中文
343-353
2021-10-01（万方平台首次上网日期，不代表论文的发表时间）