论文部分内容阅读
支持向量回归机是1种与人工神经网络类似的新回归方法,目前很少用于结构可靠性分析。鉴于支持向量回归机出色的小样本学习性能、良好的泛化性能,提出了基于支持向量回归机的2种适用于隐式功能函数的可靠性分析方法:基于支持向量回归机的Monte-Carlo模拟法和基于支持向量回归机的一次二阶矩法。算例表明支持向量回归机可以在抽样范围内很好地逼近真实的隐式功能函数,减少结构分析次数。失效概率计算结果与经典方法的对照,说明所提方法的计算精度较高,具有一定的实用价值。