[发明专利]一种基于LSSVM的混合试验在线模型更新方法

摘要

本发明的一种基于LSSVM的混合试验在线模型更新方法，包括采集非线性结构本构模型的离线样本，构建训练样本集；根据训练样本集优化本构模型参数，以当前模型参数以及选取的样本集训练模型，将训练好的模型作为结构预测模型；建立混合试验整体结构的运动方程后，采用数值积分算法求解出混合试验第i步试验子结构的目标位移和数值子结构的目标位移；删除当前训练样本集中的第一个样本，同时增加本步试验子结构的样本，以此更新训练样本集，然后得到更新的结构预测模型。本发明的方法先基于大数据建立非线性结构的初始模型，然后通过不断的在线更新模型训练样本集、优化模型参数，使本构模型实时在线更新，从而实现准确预测数值子结构恢复力的目的。

主权项

1.一种基于LSSVM的混合试验在线模型更新方法，其特征在于，包括以下步骤：S1：首先采集非线性本构模型的离线样本数据，建立大数据样本库，然后随机选择任意组样本构建训练样本集(x₁，y₁，L x_i，y_i，L x_M，y_M)，M表示样本数量；S2：根据训练样本集优化本构模型参数γ、σ²，然后以优化的本构模型参数以及选取的训练样本集训练模型，然后将训练好的模型作为结构的预测模型S3：建立混合试验整体结构运动方程后，采用数值积分算法求解出混合试验第i步试验子结构的目标位移d_E，i和数值子结构的目标位移d_N，i，然后加载试验子结构使其达到目标位移d_E，i，观测试验子结构恢复力为F_E,i，同时将试验子结构恢复力的观测值F_E，i反馈给结构运动方程；S4：利用步骤S2得到的预测模型输入步骤S3得到的第i步试验子结构的输入变量得到第i步试验子结构的恢复力预测值判断是否满足ε为设定的最大允许误差，如果是，执行步骤S5；如果否，执行步骤S6；S5：保持当前本构模型参数γ、σ²不变，删除当前训练样本集中的第一个样本，同时增加本步试验子结构的样本，以此更新训练样本集，然后执行步骤S2得到更新的结构预测模型S6：执行步骤S2，重新搜索当前样本集对应的最优结构模型参数γ、σ²；S7：利用步骤S5得到的更新的结构预测模型输入第i步数值子结构的输入变量得到第i步数值子结构恢复力预测值S8：将步骤S7得到的数值子结构恢复力预测值反馈给结构运动方程，第i步的混合试验流程完成，然后循环步骤S3‑S8直到地震动输入完毕。