高斯过程代理模型用于高效估计结构响应分布与顺序统计量
机器学习
2025-12-19 v1 计算工程、金融与科学
摘要
工程学科通常依赖大量模拟来确保结构设计能够承受恶劣条件，同时避免对不太可能的情景进行过度设计。诸如正常使用极限状态（SLS）的评估涉及天气事件的评估，包括估计在整个结构设计寿命期间不超过指定次数（如 100 次）的荷载。尽管基于物理的模拟提供了稳健且详细的见解，但它们计算成本高昂，难以生成广泛天气条件的统计有效表示。为了解决这些挑战，我们提出了一种使用高斯过程（GP）代理模型的方法，该模型在有限数量的模拟输出上进行训练，以直接生成结构响应分布。我们将此方法应用于 SLS 评估，用于估计结构在 25 年历史天气观测下暴露的第 100 阶顺序统计量 Y_100。我们的结果表明，GP 代理模型以一小部分计算成本提供了与完整模拟相当的结果。
引用
@article{arxiv.2503.01242,
title = {Gaussian Process Surrogate Models for Efficient Estimation of Structural Response Distributions and Order Statistics},
author = {Vegard Flovik and Sebastian Winter and Christian Agrell},
journal= {arXiv preprint arXiv:2503.01242},
year = {2025}
}
备注
Accepted for publication, journal reference will be added after publication