不同结构复杂度下结合集成学习的模型修正方法.pdf
模型不确定性不可避免地影响到数值模型分析精度和可靠性,需要找到一种合适的模型方法,从实测数据中搜索并确定真实的模型参数值.该研究采用结合了过渡马尔科夫链蒙特卡罗(TMCMC)方法的贝叶斯模型更新理论对结构模型参数进行修正.采用Kriging法和多项式混沌展开法(PCE)生成代理模型,减少了TMCMC算法的计算量.将该修正方法应用于两个不同结构复杂度的实例,包括一个十层框架和国家体育场模型.这两个模型分别代表高维线性模型和非线性模型.在两个实例下进一步讨论了贝叶斯方法中的不确定性量化,以验证代理模型的有效性和准确性.同时讨论了基于代理模型的修正方法在不同结构复杂度下的优缺点.最后,提出了利用集成学习方法改进代理模型的可能性.
作者：林光伟张熠
作者单位：清华大学土木工程系,北京100084
母体文献：第30全国结构工程学术会议论文集
会议名称：第30全国结构工程学术会议
会议时间：2021年10月1日
会议地点：广州
主办单位：中国力学学会
语种：chi
分类号：TP3O21
关键词：建筑结构 集成学习 贝叶斯模型 代理模型 修正方法
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.13 MB
- 下载次数:
- 60
-
高速下载
|
|
