小失效概率高效求解
群体蒙特卡洛与主动学习Kriging模型协同迭代，精准估计小失效概率，相较传统主动学习方法大幅减少训练点浪费。
杨旭锋 · Yu, Zhang · Wang, Tai · 张海柱
Structures 2024
利用Kriging模型预测信息指导PMC采样，使样本集中于重要失效区域，减少无效抽样。
通过推导失效概率估计的相对误差来评估当前模型的精度，仅当需要时才增加训练点，避免不必要的模型更新。
经过数次迭代后，重要性样本覆盖关键失效区域，Kriging模型能够准确预测极限状态面，从而获得可靠的小失效概率估计。