基于支持向量机的大跨度斜拉桥可靠度分析

基于支持向量机的大跨度斜拉桥可靠度分析

ID:34277611

大小:4.09 MB

页数:104页

时间:2019-03-04

基于支持向量机的大跨度斜拉桥可靠度分析_第1页
基于支持向量机的大跨度斜拉桥可靠度分析_第2页
基于支持向量机的大跨度斜拉桥可靠度分析_第3页
基于支持向量机的大跨度斜拉桥可靠度分析_第4页
基于支持向量机的大跨度斜拉桥可靠度分析_第5页
资源描述:

《基于支持向量机的大跨度斜拉桥可靠度分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:U44,U4510710-2015121145硕士学位论文基于支持向量机的大跨度斜拉桥可靠度分析袁健导师姓名职称刘来君教授申请学位级别硕士学科专业名称桥梁与隧道工程论文提交日期2018年4月16日论文答辩日期2018年5月13日学位授予单位长安大学Reliabilityanalysisoflargespancable-stayedbridgebasedonsupportvectormachineAThesisSubmittedfortheDegreeofMasterCandidate:YuanJia

2、nSupervisor:Prof.LiuLaijunChang’anUniversity,Xi’an,China摘要本文首先归纳既有可靠度理论和计算方法,总结每种方法的优点与不足,运用支持向量机响应面法来拟合大跨径斜拉桥结构的功能函数,并选择高效的智能算法来计算可靠指标。主要研究内容如下:(1)总结传统的可靠度求解法的不足:一次可靠度法、二次可靠度法必须有功能函数的表达式,并且在功能函数很复杂时准确度较低;蒙特卡罗法运算量非常大;二次多项式响应面法在处理高度复杂的功能函数时的精度不足,神经网络响应面法易出现

3、欠学习、过学习和局部最优等问题。发现支持向量机算法具有拟合精度低、小样本学习能力强、结果全局最优等优点,能够得到符合斜拉桥受力性能的功能函数表达式。(2)在标准正太空间内,可靠指标就是极限状态曲面与坐标原点之间距离的最小值,这是一个约束优化问题;可以运用罚函数法去掉约束条件,进而转换为计算无约束函数的最小值;最后运用智能优化算法计算可靠指标。通过对常用于函数极值问题的人工鱼群算法、遗传算法、粒子群算法的性能对比分析,发现粒子群算法的计算准确度和稳定性最优,更适合用来求解可靠指标。(3)借助两个算例,证实了本

4、文方法的精确性和高效性。将本文讲述的可靠度计算方法通过matlab平台编程实现,能够大大降低计算量,显著改善界面环境,而且也能计算其他工程的可靠指标,有很好的实用性。(4)对禹门口大跨径斜拉桥的跨中挠度、拉索应力和主塔应力进行可靠度计算,发现桥梁的可靠指标较高,可靠性很好。对各个随机变量进行参数敏感性研究,研究随机变量均值和标准差改变时可靠指标的变化趋势,得到了各个随机变量对可靠指标的影响程度,以及可靠指标在随机变量均值、标准差改变一定倍数时的变化情况,对斜拉桥的设计、建造和管养有一定参考价值。最后对禹门口

5、斜拉桥体系可靠度进行了计算,所得可靠指标较高。关键词:大跨度斜拉桥,可靠度,智能算法,matlab工具箱,参数敏感性IIIAbstractThispapersummarizedtheexistingstructurereliabilitytheoryandcalculationmethod,summarizestheadvantagesandshortcomingsofeachmethod,usingthenewsupportvectormachineresponsesurfacemethodtofitti

6、ngfunctionsoflong-spancable-stayedbridgestructure,andchoosetheappropriateintelligentalgorithmtosolvethereliability.Themainresearchcontentsareasfollows:(1)Thispapersumsuptheshortcomingsofthetraditionalreliabilitymethod:theFORMmethodandSORMmethodneedstoknowt

7、heexpressionoffunction,andtheaccuracyislowwhenthefunctioniscomplex.Montecarlomethodisverycomputationallyintensive;Twopolynomialresponsesurfacemethodislessaccuratewhendealingwithhighlycomplexfunctions,andtheneuralnetworkresponsesurfacemethodiseasytobeunders

8、tudied,overstudyandlocaloptimal.Itisfoundthatthesupportvectormachinealgorithmhastheadvantagesoflowfittingaccuracy,stronglearningabilityofsmallsample,andthebestoverallresult,anditcangetthefunctionexpressiontha

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。