收藏本站
《东北大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于大数据的风洞马赫数集成建模方法的研究

王晓军  
【摘要】:风洞是飞行器设计初期进行空气动力学实验的设备。试验段马赫数作为风洞试验的一个重要性能指标,它的稳定性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确预测。然而,风洞试验中累积的具有样本规模大、输入特征维数高等特点的大数据是实现马赫数快速、准确预测的主要难点。本文针对基于大数据的风洞马赫数集成建模方法进行了研究。主要工作归纳如下:1.建立了风洞流场模型结构。首先,以FL-26跨声速风洞为研究对象,分析风洞系统气动结构、空气环流及试验工况特点,为数据建模提供先验知识。其次,确定马赫数数据模型结构,分别建立了总压、静压NARX辨识模型。然后,分析实现基于数据的马赫数预测模型的主要难点,确定采用集成建模方法的解决方案。2.研究了风洞马赫数集成建模方法。构造多个独立的样本子集或特征子集是集成模型降低复杂度、解决大数据建模难的有效途径。首先,建立了随机森林马赫数模型。样本子集集成方法中,随机森林算法在降低复杂度方面最具代表性。实验表明,针对两种工况的随机森林马赫数模型取得了一定成果;但针对三种工况时,其预测速度及精度都明显下降。这主要归因于随机森林无法解决高维问题;另外,随着试验数据复杂程度的加深,即样本规模的扩大、非线性程度的加强、数据分布的不均衡,随机森林难以满足马赫数预测速度及精度的要求。随后,基于多元模糊泰勒定理,提出了特征子集集成(FSE)方法。该方法能够直接、快速、全面地划分特征空间,构建低维特征子集,节省更多的计算机存储空间,间接“缩小”样本规模、“均衡”数据分布,更有利于实现马赫数的快速、准确预测。FSE方法能够有效解决大数据规模大、种类多和要求处理速度快的问题。3.面向大数据集,研究了 FSE模型中的基学习机,即子模型学习算法。预测精度高、差异大的子模型是设计好的集成模型的必要条件。适合的基学习机是满足该条件的重要因素,同时能够帮助FSE方法解决大数据值密度低的问题。因此,分别以BP网络和fixed-size LS-SVM为代表,研究了 FSE方法对不稳定学习机和稳定学习机的有效性问题。实验表明,针对三种工况下的马赫数预测时,相对于单一模型,FSE方法能够显著降低模型复杂度、提高预测精度,满足马赫数预测速度及精度的要求。基于FSE结构,在马赫数预测速度及精度上:同属于不稳定学习机,非线性强学习机BP网络比线性弱学习机回归树更具优势;同属于非线性强学习机,fixed-size LS-SVMs比BP网络更具优势。4.研究了 FSE模型的集成修剪算法。过多冗余的子模型会限制FSE模型的应用潜能,因此有必要在保证预测精度的条件下,减少子模型个数。针对该问题,提出了基于最大熵的集成修剪(MEP)算法。首先,按误差从小到大排列子模型,以误差最小的P*个子模型作为初始工作集;然后,以工作集熵值最大为准则,不断替换工作集中的子模型。MEP算法可以充分利用子模型的预测精度和多样性。MEP-FSE方法在一定程度上解决了大数据种类多、价值密度低的问题。实验表明,MEP-FSE马赫数模型的预测精度高于FSE模型的预测精度。5.研究了 FSE方法对噪声数据的鲁棒性。FSE方法全面划分特征空间,重复使用整个训练集,噪声数据也会被重复使用,限制了模型预测精度的提高。为增强FSE模型的鲁棒性,在特征子集中引入Bootstrap采样方法用以限制噪声数据的重复使用,并提出了 Bootstrap-FSE方法。该方法能够有效解决大数据真实性低的问题,并在一定程度上解决了大数据要求处理速度快的问题。随后,建立了 Bootstrap-FSE马赫数模型,分别在低噪声和高噪声数据集上进行验证。实验表明,Bootstrap-FSE模型的鲁棒性优于FSE模型的鲁棒性,能够进一步提高马赫数的预测速度及精度。
【学位授予单位】:东北大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:V211.74

【相似文献】
中国期刊全文数据库 前10条
1 陈一诺;董绍华;;基于随机森林算法的管道缺陷预测方法[J];油气储运;年期
2 周佳宁;张洁;李天宏;基于MODIS影像和随机森林算法的河北坝上林地动态监测[J];北京大学学报(自然科学版);年期
3 刘阳;杜华军;岳子涵;马杰;吕武;;基于随机森林的无人机检测方法[J];计算机工程与应用;年期
4 胡蝶;;基于随机森林的债券违约分析[J];当代经济;2018年03期
5 温博文;董文瀚;解武杰;马骏;;基于改进网格搜索算法的随机森林参数优化[J];计算机工程与应用;2018年10期
6 赵艺淞;杨昆;王保云;黎晓路;;随机森林在城市不透水面提取中的应用研究[J];云南师范大学学报(自然科学版);2017年03期
7 吴辰文;梁靖涵;王伟;李长生;;一种顺序响应的随机森林:变量预测和选择[J];小型微型计算机系统;2017年08期
8 顾娟;林敏;鞠桂玲;;基于随机森林回归的军械器材需求预测[J];自动化应用;2017年09期
9 刘迎春;陈梅玲;;流式大数据下随机森林方法及应用[J];西北工业大学学报;2015年06期
10 罗超;;面向高维数据的随机森林算法优化探讨[J];商;2016年04期
中国重要会议论文全文数据库 前10条
1 尤东方;赵杨;;存在混杂时高维数据的随机森林分析[A];2017年中国卫生统计学学术年会论文集[C];2017年
2 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
3 吕洁;;基于随机森林算法对内蒙古地区地面逐日平均温度的估算[A];第34届中国气象学会年会 S20 气象数据:深度应用和标准化论文集[C];2017年
4 张炜;;天津市人才吸引力影响要素评价——基于随机森林法的检验分析[A];发挥社会科学作用 促进天津改革发展——天津市社会科学界第十二届学术年会优秀论文集(中)[C];2017年
5 高洪利;;基于随机森林算法的卷烟销量预测及分析[A];中国烟草学会学术年会优秀论文集[C];2017年
6 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年
7 高磊;秦慧杰;许康;;基于随机森林的资源三号影像地表覆盖信息提取[A];地理信息与人工智能论坛暨江苏省测绘地理信息学会2017年学术年会论文集[C];2017年
8 郑志伟;邱佳玲;阳庆玲;龚晓春;郭山清;贾忠伟;郝春;;随机森林算法对文本情感分析的应用与R软件实现[A];2017年中国卫生统计学学术年会论文集[C];2017年
9 刘继辉;许磊;马晓龙;李达;林鸿佳;杨洋;杨晶津;李兴绪;王慧;;基于随机森林回归的制丝过程参数影响权重分析[A];中国烟草学会学术年会优秀论文集[C];2017年
10 杨璐;宋建国;;基于随机森林的地震储层分类方法研究[A];2017中国地球科学联合学术年会论文集(三十八)——专题71:内磁层动力学、专题72:计算地球物理方法和技术、专题73:地热:“学”以致“用”、专题74:电磁卫星观测与应用[C];2017年
中国重要报纸全文数据库 前1条
1 本报记者 田新元;人工智能助力保险业智慧化转型[N];中国改革报;2017年
中国博士学位论文全文数据库 前10条
1 王晓军;基于大数据的风洞马赫数集成建模方法的研究[D];东北大学;2016年
2 姚登举;面向医学数据的随机森林特征选择及分类方法研究[D];哈尔滨工程大学;2016年
3 黄玥;VANET信息安全问题及异常检测技术研究[D];吉林大学;2017年
4 倪强;基于随机前沿和随机森林法的沿海开发区发展效率研究[D];天津大学;2011年
5 季斌;内蒙古浩布高地区多金属矿综合信息找矿预测研究[D];合肥工业大学;2017年
6 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
7 金超;基于随机森林的医学影像分割算法研究及应用[D];苏州大学;2017年
8 李宝富;巨厚砾岩层下回采巷道底板冲击地压诱发机理研究[D];河南理工大学;2014年
9 赵东;基于群智能优化的机器学习方法研究及应用[D];吉林大学;2017年
10 孙超;糖尿病肾病中医证候分类预测模型的构建及其识别性能的评估[D];北京中医药大学;2015年
中国硕士学位论文全文数据库 前10条
1 王伟;基于随机森林方法的沪深300指数涨跌预测研究[D];天津财经大学;2017年
2 申鹏;基于人体生理信号的疲劳驾驶检测方法的研究[D];湖南大学;2017年
3 王勇;基于QuickBird影像的城市用地分类方法研究[D];东华理工大学;2017年
4 王雨晨;基于随机森林的上海市PM_(2.5)质量浓度预测研究[D];华东师范大学;2017年
5 刘媛媛;基于整体经验模态分解和随机森林的城市PM2.5预测[D];长春工业大学;2017年
6 杨思琪;随机森林模型在太原市细颗粒物浓度预测中的应用[D];太原理工大学;2017年
7 李磊;随机森林及数据可视化在棉蚜等级预测中的应用研究[D];山东农业大学;2017年
8 陈江鹏;基于最大相关最小冗余朴素贝叶斯分类器的肿瘤分类方法研究[D];重庆医科大学;2017年
9 张军挺;人脸检测及人脸年龄与性别识别方法[D];中国科学技术大学;2017年
10 牛志华;基于Spark分布式平台的随机森林分类算法研究[D];中国民航大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026