基于改进梯度提升决策树—蒙特卡罗法的超大型集装箱船绑扎桥可靠性分析

目的]对超大型集装箱船绑扎桥结构而言,复杂的设计结构和恶劣的载荷环境对其可靠性提出了更高的要求。针对大型船舶结构可靠性分析时计算效率低、计算精度差等问题,提出基于改进梯度提升决策树—蒙特卡罗(GBDT-MC)方法。方法]首先,通过Python库建立改进梯度提升决策树(GBDT)的近似模型,根据实验生成较少的样本点,并筛选位于失效面附近的样本点;接着,运用SMOTE算法合成新的样本点并参与有限元计算,进而结合原有的样本点形成训练集;然后,采用已训练的近似模型预测蒙特卡罗(MC)方法所产生的样本点信息,完成结构的可靠性分析;最后,运用算例验证改进GBDT-MC方法的可行性和准确性,并将其应用于超大型集装箱船绑扎桥结构的可靠性分析。结果]计算结果表明:案例中超大型集装箱船绑扎桥在静态绑扎力作用下的失效概率误差为3.5%,改进GBDT-MC方法的计算耗时为2.55 h,而MC方法则需要416.7 h,可见在允许的计算误差范围内,改进GBDT-MC方法可以大为缩减可靠性分析的计算时间。结论]改进GBDT-MC方法能显著提高计算精度并缩短计算时间,可为结构可靠性的优化设计提供支持。