一种基于物理信息的机器学习自适应模型定阶方法

本发明涉及一种基于物理信息的机器学习自适应模型定阶方法，适用于海洋工程结构的实时模态分析。为此，本发明提出一种融合复指数重构算法与轻量梯度提升机模型(LightGBM)的自适应定阶方法。该方法首先利用复指数重构对结构振动响应信号进行先验阶次估计，提取对应的最优阶次；随后对响应信号执行快速傅里叶变换，提取频域幅值特征，并将其与估计阶次进行配对构建训练样本；通过LightGBM模型学习频域特征与阶次之间的非线性映射关系，训练得到可用于实时预测的定阶模型。本发明在保持传统方法抗噪优势的基础上，引入机器学习的数据驱动机制，避免了经验阈值设定和繁琐的特征判别过程，实现了结构模型阶次的高效、准确和在线自适应预测。