秦世强，廖思鹏，黄春雷，唐剑

武汉理工大学土木工程与建筑学院，湖北武汉 430070

在结构设计、施工、养护管理等领域，建立能够代表实际结构行为的有限元模型尤为关键［1］。由于建模过程简化和误差、结构参数的不确定性等因素［2］，导致有限元模型计算响应与实测响应之间存在一定差异；为此，通常需要对初始模型进行修正，从而获得能够代表实际结构的有限元模型。模型修正可看作优化问题，其目标函数由结构响应计算值和实测之间的残差构成。由于结构响应与设计参数之间为隐函数关系，在修正过程中需不断调用有限元模型来评估目标函数；若有限元模型复杂、单元数量多，这一过程会非常耗时。因此，利用代理模型显式地表达结构响应和设计参数之间的隐式关系，从而替代有限元模型进行目标函数评估，能够显著提高模型修正的效率。

常用的代理模型包括多项式响应面［3］、Kriging模型［4］、径向基函数［5］、支持向量回归［6］等，其中以地质统计学为基础的Kriging 模型因对所有样本点的精确插值具有比多项式响应面更高的近似精度［7］，且兼具局部与全局的统计特性，具有一定的代表性。Kriging 模型是一种方差估计最小的无偏估计模型，能够在给出未知函数的预测值的同时给出相应的误差。胡俊亮等［8］以频率和模态置信准则（MAC，modal assurance criterion）为修正目标，结合Kriging 模型对一大跨度钢管混凝土连续梁拱结构模型进行了修正；Khodaparast 等［9］利用Kriging 模型进行了区间模型修正；Liu 等［10］利用试验模态参数构建目标函数，结合Kriging 模型对一复杂结构进行了模型修正。……