PHI2 방법은 구조물의 시변 신뢰도 분석에 널리 사용되는 방법이며, 횡단율 계산이 이 방법의 핵심입니다. 충분한 정확도를 달성하기 위해서는 많은 시점에서 횡단율을 계산해야 하지만, 복잡한 극한 상태면을 가지는 실제 문제에서는 각 시점의 횡단율 계산이 매우 시간이 많이 소요될 수 있습니다. PHI2 방법의 효율성을 더욱 향상시키기 위해 세 가지 전략이 도입되어 횡단율 계산 효율을 개선했습니다: 첫째, 무Cholesky 분해 전략을 채택하여 확률 변수의 수를 줄이고 이에 대응하는 상관 계수 계산 방법을 제시했습니다; 둘째, 능동 학습 기반 Kriging 모델을 활용한 개선된 1차 신뢰도( AK-FORM ) 방법을 도입하여 각 시점의 신뢰도 지표를 효율적으로 계산했습니다; 마지막으로, 차원 축소 방법을 사용하여 2차원 적분을 1차원 적분으로 변환하여 계산 성능을 향상시켰습니다. 이러한 세 가지 개선 전략을 PHI2 방법과 결합하여 AK-FORM 방법과 차원 축소 방법에 기반한 효율적인 시변 신뢰도 분석 방법인 K-PHI2 방법을 형성했습니다. 동시에 무Cholesky 분해 전략만을 PHI2 방법과 결합하여 PHI2- 방법을 형성했습니다. 수치 사례 및 공학 사례의 계산 결과는 제안된 PHI2- 및 K-PHI2 방법이 PHI2 방법과 동등한 높은 정확도를 가지며, PHI2 기반의 개선 방법인 PHI2+ 방법보다 정밀도가 우수함을 나타냅니다; PHI2 및 PHI2+ 방법과 비교하여 PHI2- 방법은 효율성이 다소 향상되었으며, K-PHI2 방법은 이를 기반으로 시변 신뢰도 분석의 효율성을 더욱 향상시켰습니다.

시변 신뢰도;PHI2 방법;1차 신뢰도 방법;Kriging 모델;횡단율;차원 축소 방법