[发明专利]一种路基稳定可靠度的计算方法

摘要

本发明公开了一种路基稳定可靠度的计算方法，它利用量子粒子群算法优化LSSVM参数，利用LSSVM建立输入参数与计算结果间的映射关系，再进行路基可靠度的计算，以解决蒙特卡罗法计算可靠度耗时过多的限制的问题，为路基稳定可靠度计算提供了一条实用途径。

主权项

一种路基稳定可靠度的计算方法，其特征在于，它包括以下步骤：1)、分析实际问题，确定随机变量(设随机变量的个数为N)，确定计算模式与计算方法，建立极限状态方程Z；2)、采用正交试验设计方法提供有代表性的训练样本：2.1)、在随机变量的3σ范围内选择并进行N因素五水平正交试验设计选择训练样本；2.2)、对训练样本进行尺度变换，使得各随机变量在训练中具有相同的地位；$x_i^{\′}=\frac{x_i-{\mathrm{\μ}}_i}{{\mathrm{\σ}}_i}$       (式1)式1中：x_i为随机变量x的第i个样本，x′_i为尺度变换以后的样本，μ_i和σ_i分别为随机变量的均值及其方差；2.3)、利用步骤1)中建立的极限状态方程计算出训练样本本x_i对应的计算结果y_i(Z＞0输出1；Z≤0输出‑1)；3)、采用LSSVM建立样本输入值与输出值之间的映射关系，采用量子粒子群算法对LSSVM参数进行优化：3.1)、确定LSSVM形状参数δ和惩罚系数γ的取值范围，然后将取值范围变换到[0,1]区间；3.2)、将整个尺度变换后的训练样本x′_i随机的分成n组样本集，取出其中的一组样本集为验证集，用剩下的样本集作为训练集来设计预测模型，设为验证集通过预测模型得到的估计值，计算出相应验证集的预测误差E₁；3.3)、再把步骤3.2)中取出的样本集放回原训练样本中，取出另外一组样本集作为验证集，用剩下的样本集作为训练集来设计预测模型，同理计算相应的预测误差为E₂；3.4)、重复设计模型n次，计算出相应验证集的预测误差为E₁、E₂、E₃…E_n；3.5)、将各个相应验证集的预测误差求和：$\mathrm{MSE}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{E}_j$         (式2)式2中，E_j为对应验证集的预测误差值；3.6)、参数选择问题转化为优化问题：Minimize MSESubject to δ′∈[0,1] γ′∈[0,1]             (式3)；3.7)、采用量子粒子群算法来求解此优化问题，确定LSSVM的形状参数δ和惩罚系数γ；4)、计算可靠度：4.1)、按照随机变量各自的概率分布生成随机抽样点：首先在区间(0，1)内产生均匀分布的随机数，然后再变换成给定分布的随机数；4.2)、将随机抽样点送入训练好的LSSVM，得到对应的输出量；4.3)、设随机抽样点总个数为N，统计其中失效的个数为N_f，则结构的失效概率为P_f＝N_f/N；4.4)、根据失效概率与可靠度间的关系，即可计算得结构的可靠度指标。