论文部分内容阅读
RBF神经网络具有网络训练速度快、可以避免局部极小等优点。文章基于RBF神经网络理论，采用蒙特卡罗模拟法来进行结构的可靠度分析，研究了样本点的生成方法及样本数对可靠度分析结果的影响，并将基于RBF神经网络的蒙特卡罗模拟法应用于边坡的可靠度分析。计算表明：基于RBF神经网络的蒙特卡罗模拟法具有较好的计算效率和计算精度；样本点的生成方法和样本数对计算结果影响较大。与随机取样法相比，均匀设计法生成的样本点分布更均匀，由此样本点集训练生成的神经网络能更好的代替原功能函数，在相同的样本数时具有更高的计算精度；当计算