智能优化SVR模型

混合不确定性下更准更保守

相比传统SVR建模，该策略对复杂工程结构具有更高建模精度，且疲劳可靠性评估框架可结合多种启发式算法，评估结果更准确保守。

孟德彪 · Yang, Shiyuan · Hengfei, Yang · De Jesus, Abílio M.P. · Correia, José António Fonseca De Oliveira · Zhu, Shun-Peng

Ocean Engineering 2024

参数信息

SVR模型MAE提升幅度

31.2 %

失效概率提升幅度

0.64 %

技术优势

建模更准

智能优化算法选取SVR模型参数，使模型MAE指数比传统SVR高31.2%，能更精确逼近复杂工程结构的实际响应。

评估更保守

同时考虑随机与认知等混合不确定性，失效概率比仅考虑随机不确定性高0.64%，避免高估结构安全性。

算法选择自由

该框架可与多种启发式算法结合，充分利用不同算法的寻优潜力，方便替换与升级。

应用场景

• 海上风电结构评估：提供高精度疲劳可靠性评估，支撑结构安全设计与运维决策。
• 风电机组可靠性：量化混合不确定性影响，给出保守失效概率，提升机组可靠性评估置信度。
• 工程结构不确定性分析：框架可融合多种启发式算法，高效处理复杂工程结构中的混合不确定性传播。