摘要： 对考虑试验参数不确定性的有限元模型修正方法展开研究。首先假设待修正参数和响应特征量都服从正
态分布，将不确定性模型修正问题转化为均值和标准差的修正问题；其次采用拉丁超立方抽样选取待修正参数样本点
作为输入，并计算其对应的频响函数进行常数Q变换提取第一层系数作为输出，通过海蜇算法(JS)优化BP神经网络的
权值和阈值，构建JS-BP神经网络模型；最后以最小化JS 散度作为目标函数，实现对待修正参数的均值和标准差的同
步修正。空间桁架算例表明，所提方法能够有效地修正结构参数的均值和标准差，并且在试验数据标准差不同时仍能
得到较好的修正效果。

关键词: 振动与波, 随机模型修正, 频响函数, 常数Q变换, JS-BP 神经网络, JS 散度