基于双变量降维模型和Kriging近似的统计矩点估计法

摘要

对复杂随机系统进行统计矩分析时,双变量降维近似模型一定程度上可以缓解"维数灾难"。但当系统维数较高时,双变量分量函数较多,计算量仍然较大。为此,该文将降维近似和Kriging代理模型有机结合起来,提出了一类高效、合理的改进点估计法。充分考虑函数逼近和数值积分中积分点的特点,提出了"米"字形的选点策略,并基于此发展了双变量分量函数的Kriging近似模型;将此近似模型用于原函数和矩函数的双变量降维近似模型中双变量分量函数的近似,分别建立了基于原函数近似和矩函数近似的统计矩改进点估计法;通过多个算例对该文提出方法进行了效率和精度的分析。算例分析结果表明:基于"米"字形选点策略的双变量分量函数的Kriging近似具有较高的精度;相比于已有的基于双变量降维近似模型的统计矩点估计法,建议方法仅需较少的结构分析即可达到与已有方法相当的精度,能更好地体现精度和效率的平衡。