稀疏贝叶斯PC-Kriging模型

精度与收敛速度平衡

采用多准则主动学习策略，在更少的迭代中获得更高的可靠性分析精度。

Zhang, Jingxuan · Fang, Yanbing · 封坤 · Zhenyu, Jin · 何川 · 梁晓明 · Zhang, Li

Tunnelling and Underground Space Technology 2025

技术优势

精度更高

通过与稀疏贝叶斯学习结合，模型能够更有效地利用样本，在基准测试中展现出优于主流单准则方法的精度。

收敛更快

多准则主动学习策略平衡了期望改进、熵和Sobol指数，并通过批量分散采样促进多样性，使得可靠性评估只需更少的迭代次数。

应用场景

• 隧道结构可靠性评估：提供盾构隧道压弯组合下的系统可靠度评估方法，识别关键变量影响。
• 工程可靠性分析：以更少迭代获得高精度可靠度结果，适合集成到工程分析流程。
• 结构安全评估：通过多准则主动学习代理模型快速评估结构失效概率。