基于重点区域采样深度神经网络代理模型的可靠性分析方法

作     者：李宁 张孝航 

作者机构：天津大学建筑工程学院 滨海土木工程结构与安全教育部重点实验室(天津大学) 中国地震局地震工程综合模拟与城乡抗震韧性重点实验室(天津大学) 

出 版 物：《工程力学》 (Engineering Mechanics)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 02[经济学] 07[理学] 08[工学] 070103[理学-概率论与数理统计] 0202[经济学-应用经济学] 020208[经济学-统计学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0714[理学-统计学（可授理学、经济学学位）] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(52178496) 天津市重点研发计划科技支撑重点项目(20YFZCSN00900) 

主　　题：结构可靠度 自适应采样 重点区域采样 代理模型 深度神经网络 蒙特卡洛模拟 

摘      要：提出了一种自适应重点区域采样方法，通过建立深度神经网络代理模型，对结构可靠性进行评估。该自适应重点区域采样方法结合距离信息和概率分布信息，既可考虑极限状态面附近样本对结构可靠度存在较大影响，又可考虑样本空间全局概率分布规律，从而协同局部搜索和全局探索的均衡。同时，为了避免采样点聚集导致的采样效率降低，提出了一种剔除候选点规则。最后，针对深度神经网络代理模型的特征，初始化采取均匀拉丁超立方实验设计，并给出可考虑深度神经网络预测结果有波动性的收敛准则，保证所提出算法收敛的鲁棒性。通过三个数值算例，验证本文方法在精度和效率方面均有较明显的优势。