基于支持向量机主动学习的高效地震易损性曲线估计
机器学习
2018-10-03 v1 经典分析与常微分方程
机器学习
摘要
易损性曲线将结构或关键部件的失效概率表示为荷载强度度量的函数，如今被广泛用于（i）地震概率风险评价研究，（ii）评估施工细节在地震激励或其他如风等荷载源下对设施结构性能的影响。为避免使用对数正态模型等参数模型从少量数值计算估计易损性曲线，本文提出了一种基于支持向量机（SVM）并结合主动学习算法的方法。实践中，输入激励被约化为若干相关参数，给定这些参数后，SVM 用于对相对于超越极限阈值的机构响应进行二分类。由于输出不仅是二值的而是分数，利用输出的概率解释可非常高效地估计易损性曲线，既可作为分数函数也可作为经典地震强度度量的函数。
引用
@article{arxiv.1810.01240,
title = {Efficient Seismic fragility curve estimation by Active Learning on Support Vector Machines},
author = {Rémi Sainct and Cyril Feau and Jean-Marc Martinez and Josselin Garnier},
journal= {arXiv preprint arXiv:1810.01240},
year = {2018}
}
备注
24 pages, 14 figures