随着土木行业的快速发展,实际工程结构变得大型而复杂。复杂结构带来的不确定因素越来越多,随之而来的安全问题也更为显著,对结构可靠性分析及其方法形成了新的挑战。传统的结构可靠性分析方法如:一次二阶矩法、二次二阶矩法和蒙特卡罗法等由于其各自的局限性,难以同时满足较高的精度和效率要求来解决可靠性分析问题。在结构可靠性分析中,响应面法被广泛应用于减少工程分析计算量。响应面法选取特定位置的样本,利用某种显式函数来近似原极限状态函数,响应面的精度取决于函数类型的选择和样本点的位置。鉴于多层极限学习机具有快速、深度学习能力和能捕捉高维信息的特点,本文提出基于多层极限学习机的结构可靠性分析方法,以多层极限学习机代替原极限状态函数进行结构可靠性分析,主要的研究内容如下:一、基于多层极限学习机和一次二阶矩结构可靠性分析方法。该方法采用多层极限学习机重构原极限状态函数,将重构好的多层极限学习机结合有限步长迭代的一次二阶矩法进行结构可靠性分析,并与单隐含层的极限学习机计算结果进行对比和分析。为了避免多层极限学习机陷入过拟合,在重构过程中引入Dropout和Targeted Dropout技术。通过算例讨论与分析,验证该方法的可行性与有效性。二、基于多层极限学习机和蒙特卡罗模拟的结构可靠性分析方法。该方法采用随机序列或伪随机Halton序列产生训练样本点,运用多层极限学习机重构原极限状态函数,在重构过程中同样引入Dropout和Targeted Dropout技术处理多层极限学习机可能的过拟合,将重构好的响应面结合蒙特卡罗法进行结构可靠度计算。算例结果表明,与传统的蒙特卡罗法相比,该方法具有较好的精度和效率。三、基于粒子群优化算法抽样的多层极限学习机结构可靠性分析。采用粒子群算法来生成重构函数所需训练样本的机制,得到一些尽可能分布在设计验算点或极值点附近的样本点,作为重构函数的训练样本集,实现小样本条件下原极限状态函数的多层极限学习机近似表达,然后结合蒙特卡罗法进行结构可靠度计算,最终实现以较好的精度和效率求解可靠性分析问题。