传统统计分析方法在样本数据较少的情况下,难以获得准确的概率分布参数,此时样本的概率分布参数往往被看作是模糊数。本文提出了一种基于支持向量机的小样本结构模糊可靠性分析方法,首先,将模糊变量变换成当量随机变量,对其当量均值及...传统统计分析方法在样本数据较少的情况下,难以获得准确的概率分布参数,此时样本的概率分布参数往往被看作是模糊数。本文提出了一种基于支持向量机的小样本结构模糊可靠性分析方法,首先,将模糊变量变换成当量随机变量,对其当量均值及当量标准差进行计算;其次,利用支持向量机,对样本数据进行训练,逼近结构功能函数;最后,利用蒙特卡罗模拟(Monte Carlo simulation,MCS)法求解,从而得到结构模糊可靠度。算例验证所提方法的有效性和可行性。展开更多
文摘传统统计分析方法在样本数据较少的情况下,难以获得准确的概率分布参数,此时样本的概率分布参数往往被看作是模糊数。本文提出了一种基于支持向量机的小样本结构模糊可靠性分析方法,首先,将模糊变量变换成当量随机变量,对其当量均值及当量标准差进行计算;其次,利用支持向量机,对样本数据进行训练,逼近结构功能函数;最后,利用蒙特卡罗模拟(Monte Carlo simulation,MCS)法求解,从而得到结构模糊可靠度。算例验证所提方法的有效性和可行性。
