일부 중요한 주요 구조물은 서비스 기간 동안 극한 사건에 직면하게 되며, 극한 사건의 발생 확률이 매우 낮아 무시될 수 있지만 발생 시 심각한 손실을 초래할 수 있습니다. 복잡한 구조물의 매우 낮은 고장 확률을 정확하게 추정하기 위해 극한 사건 발생 확률 계산 정확도와 비용의 균형을 맞출 수 있는 방법이 제안되었습니다. 가우시안 대리 모델 기반의 능동 학습 전략을 통해 훈련 점들을 단측 꼬리에 효과적으로 집중시킬 수 있는 탐색 함수를 구성하였으며, 이 함수는 분포 함수로 가중치가 부여된 최대 오차 영역을 더 잘 찾아 신규 훈련 점을 재투입합니다. 알고리즘의 유효성을 검증하기 위해 구조 균열 비선형 해석을 사례로 사용하였으며, 알고리즘 결과를 MCS와 비교한 결과 추정된 확률 변수 평균의 상대 오차가 약 10%로 해당 방법이 허용 가능한 통계량 결과를 얻을 수 있음을 나타냅니다; AL-GP 결과와 비교 시 추정된 확률 변수 오차 기대값이 20% 감소하여 꼬리에서 불확실성이 더 빨리 감소함을 보여줍니다. 사례를 통해 알고리즘이 꼬리에 더 민감하며 잠재적인 꼬리 위험이 있는 분포 계산에 적합함을 증명하였습니다.

가우시안 대리 모델; 신뢰성; 능동 학습; 극한 사건