一種路基穩(wěn)定可靠度的計(jì)算方法
【專利摘要】本發(fā)明公開(kāi)了一種路基穩(wěn)定可靠度的計(jì)算方法，它利用量子粒子群算法優(yōu)化LSSVM參數(shù)，利用LSSVM建立輸入?yún)?shù)與計(jì)算結(jié)果間的映射關(guān)系，再進(jìn)行路基可靠度的計(jì)算，以解決蒙特卡羅法計(jì)算可靠度耗時(shí)過(guò)多的限制的問(wèn)題，為路基穩(wěn)定可靠度計(jì)算提供了一條實(shí)用途徑。
【專利說(shuō)明】一種路基穩(wěn)定可靠度的計(jì)算方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及最優(yōu)化及可靠度計(jì)算領(lǐng)域，具體地指一種路基穩(wěn)定可靠度的計(jì)算方 法。

【背景技術(shù)】
[0002] 目前鐵路路基穩(wěn)定的計(jì)算采用的是總安全系數(shù)法，將影響安全的各種因素概括為 一個(gè)安全系數(shù)，但不能反映工程的實(shí)際安全水平，限制了鐵路工程設(shè)計(jì)水平的發(fā)展。因此， 將設(shè)計(jì)參數(shù)視為隨機(jī)變量，用可靠指標(biāo)描述路基穩(wěn)定安全度更加合理。蒙特卡羅法是一種 較精確的可靠度計(jì)算方法，其他可靠度計(jì)算方法計(jì)算結(jié)果常常用蒙特卡洛法進(jìn)行驗(yàn)證。但 采用蒙特卡洛法計(jì)算可靠度時(shí)，需要進(jìn)行大批量抽樣，抽樣次數(shù)NS100/Pf。如果失效概率 較小，則計(jì)算次數(shù)必須足夠大才能保證可靠度的計(jì)算精度。復(fù)雜結(jié)構(gòu)一次抽樣計(jì)算少則幾 分鐘，多則幾個(gè)小時(shí)甚至幾天，要進(jìn)行成千上萬(wàn)次的抽樣計(jì)算在實(shí)際工程中是不現(xiàn)實(shí)的。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的就是要解決上述【背景技術(shù)】的不足，提供一種路基穩(wěn)定可靠度的計(jì)算 方法，以解決蒙特卡羅法計(jì)算可靠度耗時(shí)過(guò)多的問(wèn)題。
[0004] 本發(fā)明的技術(shù)方案為：一種路基穩(wěn)定可靠度的計(jì)算方法，其特征在于，它包括以下 步驟：
[0005]1)、分析實(shí)際問(wèn)題，確定隨機(jī)變量（設(shè)隨機(jī)變量的個(gè)數(shù)為N)，確定計(jì)算模式與計(jì)算 方法，建立極限狀態(tài)方程Z;
[0006]2)、采用正交試驗(yàn)設(shè)計(jì)方法提供有代表性的訓(xùn)練樣本：
[0007] 2. 1)、在隨機(jī)變量的 3 〇 范圍內(nèi)丨/?, -V- 1 ?Sr,講，R+ 1 _<5"/7/, +3cr,'}選擇并 進(jìn)行N因素五水平正交試驗(yàn)設(shè)計(jì)選擇訓(xùn)練樣本；
[0008]2. 2)、對(duì)訓(xùn)練樣本進(jìn)行尺度變換，使得各隨機(jī)變量在訓(xùn)練中具有相同的地位；

【權(quán)利要求】
1. 一種路基穩(wěn)定可靠度的計(jì)算方法，其特征在于，它包括以下步驟： 1) 、分析實(shí)際問(wèn)題，確定隨機(jī)變量（設(shè)隨機(jī)變量的個(gè)數(shù)為N)，確定計(jì)算模式與計(jì)算方 法，建立極限狀態(tài)方程Z; 2) 、采用正交試驗(yàn)設(shè)計(jì)方法提供有代表性的訓(xùn)練樣本： 2. 1)、在隨機(jī)變量的3σ范圍內(nèi)：m, - 3cr;，m, - 1 ·5τ,講，柯,+ 1 ·?,w; +3σ,丨選擇并進(jìn)行 N因素五水平正交試驗(yàn)設(shè)計(jì)選擇訓(xùn)練樣本； 2. 2)、對(duì)訓(xùn)練樣本進(jìn)行尺度變換，使得各隨機(jī)變量在訓(xùn)練中具有相同的地位； -- (式 1) Ui 式1中：Xi為隨機(jī)變量X的第i個(gè)樣本，X'i為尺度變換以后的樣本，μi和σi分別 為隨機(jī)變量的均值及其方差； 2. 3)、利用步驟1)中建立的極限狀態(tài)方程計(jì)算出訓(xùn)練樣本本Xi對(duì)應(yīng)的計(jì)算結(jié)果yi(Z >〇輸出I;Z彡O輸出-1); 3) 、采用LSSVM建立樣本輸入值與輸出值之間的映射關(guān)系，采用量子粒子群算法對(duì) LSSVM參數(shù)進(jìn)行優(yōu)化： 3.1) 、確定LSSVM形狀參數(shù)δ和懲罰系數(shù)γ的取值范圍，然后將取值范圍變換到 [〇, 1]區(qū)間； 3. 2)、將整個(gè)尺度變換后的訓(xùn)練樣本fi隨機(jī)的分成η組樣本集，取出其中的一組樣 本集為驗(yàn)證集，用剩下的樣本集作為訓(xùn)練集來(lái)設(shè)計(jì)預(yù)測(cè)模型，設(shè)兌為驗(yàn)證集通過(guò)預(yù)測(cè)模型 得到的估計(jì)值，計(jì)算出相應(yīng)驗(yàn)證集的預(yù)測(cè)誤差E1 ; 3. 3)、再把步驟3. 2)中取出的樣本集放回原訓(xùn)練樣本中，取出另外一組樣本集作為驗(yàn) 證集，用剩下的樣本集作為訓(xùn)練集來(lái)設(shè)計(jì)預(yù)測(cè)模型，同理計(jì)算相應(yīng)的預(yù)測(cè)誤差為E2 ; 3. 4)、重復(fù)設(shè)計(jì)模型η次，計(jì)算出相應(yīng)驗(yàn)證集的預(yù)測(cè)誤差為EpΕ2、Ε3···En ; 3. 5)、將各個(gè)相應(yīng)驗(yàn)證集的預(yù)測(cè)誤差求和： MSE = ±Ej(式2) 7=1 式2中，Ej為對(duì)應(yīng)驗(yàn)證集的預(yù)測(cè)誤差值； 3. 6)、參數(shù)選擇問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題： MinimizeMSE Subjecttoδr ^ [0, 1]Y1 ^ [0, 1] (式 3); 3. 7)、采用量子粒子群算法來(lái)求解此優(yōu)化問(wèn)題，確定LSSVM的形狀參數(shù)δ和懲罰系數(shù) Y; 4) 、計(jì)算可靠度： 4.1) 、按照隨機(jī)變量各自的概率分布生成隨機(jī)抽樣點(diǎn)：首先在區(qū)間（0，1)內(nèi)產(chǎn)生均勻 分布的隨機(jī)數(shù)，然后再變換成給定分布的隨機(jī)數(shù)； 4. 2)、將隨機(jī)抽樣點(diǎn)送入訓(xùn)練好的LSSVM，得到對(duì)應(yīng)的輸出量λ; 4. 3)、設(shè)隨機(jī)抽樣點(diǎn)總個(gè)數(shù)為Ν，統(tǒng)計(jì)其中失效的個(gè)數(shù)為Nf，則結(jié)構(gòu)的失效概率為Pf = Nf/N； 4. 4)、根據(jù)失效概率與可靠度間的關(guān)系，即可計(jì)算得結(jié)構(gòu)的可靠度指標(biāo)。
2. 根據(jù)權(quán)利要求1所述的一種路基穩(wěn)定可靠度的計(jì)算方法，其特征在于：步驟3)中， 驗(yàn)證集的預(yù)測(cè)誤差Ej計(jì)算公式為： m1 Ej_λΙ (式 4) 式4中，m為每一組樣本個(gè)數(shù)，yi為計(jì)算輸出值，兌為模型估計(jì)值。
3. 根據(jù)權(quán)利要求1所述的一種路基穩(wěn)定可靠度的計(jì)算方法，其特征在于：步驟4. 1) 中，采用乘同余法在區(qū)間（〇，1)內(nèi)產(chǎn)生均勻分布的隨機(jī)數(shù)。
【文檔編號(hào)】G06F19/00GK104318121SQ201410623520
【公開(kāi)日】2015年1月28日 申請(qǐng)日期:2014年11月7日 優(yōu)先權(quán)日:2014年11月7日
【發(fā)明者】汪瑩?dān)Q, 趙新益, 曾長(zhǎng)賢, 劉慶輝, 陳世剛, 管海濤, 楊松, 蔣道君 申請(qǐng)人:中鐵第四勘察設(shè)計(jì)院集團(tuán)有限公司