基于更新径向基函数网络模型的广义Pareto分布函数拟合

来源：计算力学学报杂志2016年第4期北京时间：

作者：李刚,赵刚

单位：大连理工大学 工程力学系 工业装备结构分析国家重点实验室, 大连 116024,大连理工大学 工程力学系 工业装备结构分析国家重点实验室, 大连 116024

摘要：广义Pareto分布函数GPD（Generalized Pareto Distribution）是一种针对随机参数尾部进行渐进插值的方法，能够对高可靠性问题进行评估。但这种方法要求样本空间较大，计算成本较高，尽管可以通过径向基函数网络RBFNN（Radial Basis Function Neural Network）辅助抽样的方法削减计算成本，但对于非线性程度较高的问题，RBFNN精度问题使得辅助抽样方法失效。针对这类问题，根据GPD的特点，提出了高效的更新RBFNN训练样本的方法，改善了RBFNN在功能函数分布尾部的精度，将RBFNN辅助抽样方法推广应用到非线性程度较高的问题，准确地得到了所有需要的尾部样本，基于该尾部样本集的GPD拟合结果与基于直接计算所有样本的GPD拟合结果完全一致。

关键词：广义Pareto分布,径向基函数网络,辅助抽样方法,

基金资助：973计划课题（2014CB046506）；国家自然科学基金（11372016）资助项目.