基于Kriging模型的高效自适应方法

摘要

本发明涉及一种基于Kriging模型的高效自适应方法，该方法主要通过三个步骤实现：第一步，通过拉丁超立方方法生成一定数量的样本来构造一个初始的Kriging模型；第二步，通过当前Kriging模型从候选样本中筛选出一定数量的候选样本，确定两个样本；第三步，更新候选样本和实验设计样本并重新构造Kriging模型，判断是否满足要求，如不满足跳转至第二步，如满足则用当前Kriging模型代替原模型进行可靠性分析。本发明通过自适应迭代不断增加极限状态附近的样本点数量，且通过最大化最小距离确定所添加的样本，使得迭代更新的样本近似均匀地分布在极限状态附近，样本点得到了更加充分地利用，可靠性分析的结果更精确。