[发明专利]基于在线Xgboost算法的抗震混合试验模型更新方法

摘要

本发明公开了一种基于在线Xgboost算法的抗震混合试验模型更新方法，利用试验子结构的系统输入变量和恢复力观测值作为样本集在线训练Xgboost网络，进而在线更新数值子结构的本构模型以及预测数值子结构当前步的恢复力。在线Xgboost算法选择梯度树作为弱预测模型，然后将多个弱预测模型整合为一个强预测模型，再对数值子结构的恢复力进行表决输出。该方法提高了抗震混合试验中数值子结构恢复力的预测精度，显著提升了基于智能算法的抗震混合试验模型更新方法的泛化能力。

主权项

1.一种基于在线Xgboost算法的抗震混合试验模型更新方法，其特征在于：包括以下步骤：S1：建立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dE,i和数值子结构的目标位移dN,i，然后物理加载试验子结构达到目标位移dE,i，观测试验子结构恢复力为FE,i，同时将试验子结构恢复力的观测值FE,i反馈给数值积分算法；S2：利用混合试验第i步之前包括第i步在内共j+1步试验子结构的总系统输入变量{x_i‑j,…,x_i}和试验子结构的恢复力观测数值{y_i‑j,…,y_i}作为第i步在线Xgboost网络的训练样本集{x_i‑j,…,x_i,y_i‑j,…,y_i}，其中，表示第i步之前的第i₁步的试验子结构的系统输入变量，0≤i₁≤j，1≤j≤10，表示第i步之前的第i₂步的试验子结构的恢复力观测值，0≤i₂≤j，采用梯度树作为弱预测模型，将第i步的初始弱预测模型f_1,i设置为第i‑1步经过M次迭代学习后的弱预测模型f_M,i‑1，进行M次迭代训练生成M个弱预测模型，然后将M个弱预测模型线性组合为一个强预测模型S3：利用步骤S2得到的强预测模型输入混合试验第i步数值子结构的系统输入变量z_i，在线预测出混合试验第i步数值子结构的恢复力F_N,i，并将F_N,i反馈给数值积分算法，这样就完成了第i步的混合试验，然后循环步骤S1‑S3直到地震动输入完毕。