版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在空氣動力學領域,存在著大量的數(shù)據(jù)關聯(lián)回歸與建模問題。目前常用的建模方法主要包括:白箱建模、黑箱建模、灰箱建模。對于如何針對所研究的問題選取合適的方法來建模提取有效的信息,是一項困難且非常必要的工作。
在對氣動數(shù)據(jù)建模的研究中,本文引入了兩種新型的分析方法:偏最小二乘回歸(PLS)方法和支持向量機(SVM)。這為我們在數(shù)據(jù)挖掘和信息提取方面提供了新的工具。
在帶舵翼軸對稱飛行器氣動特性建模中,借助Fortran軟件進
2、行編程計算,根據(jù)試驗研究結果建立帶舵翼軸對稱飛行器(如火箭)的氣動力數(shù)學模型。首先用少量的飛行器風洞試驗數(shù)據(jù),確定數(shù)學模型及其中的未知參數(shù),然后再用于其它狀態(tài)數(shù)據(jù)的預測。通過對采用正交最小二乘法(OLS)和偏最小二乘方法(PLS)建模結果的對比分析得出:后者的建模結果精度整體上優(yōu)于前者,且偏最小二乘法的建模結果具有較好的泛化能力。
將支持向量機模型SVM應用到氣動熱環(huán)境分析中的防熱材料導熱系數(shù)快速估計中,根據(jù)傳熱試驗中受試材料
3、的邊界溫度信息、測點溫度信息和材料導熱系數(shù)之間的對應關系,建立了基于傳熱試驗中邊界溫度參數(shù)和測點溫度參數(shù)直接反演預測材料導熱系數(shù)的SVM數(shù)學模型,從而得到了一種快速估計材料導熱系數(shù)的方法。在研究中同時也采用了Kriging模型建模方法。從算例計算結果知:SVM模型較Kriging模型有更好的泛化能力;通過分析隨機誤差和系統(tǒng)誤差影響知,在考慮隨機測量噪聲和系統(tǒng)測量噪聲的情況下,SVM的預測結果具有較好的魯棒性,整體上優(yōu)于Kriging模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 最小二乘支持向量機在軟測量建模中的應用.pdf
- 最小二乘支持向量機及其在工業(yè)過程建模中的應用.pdf
- 基于最小二乘支持向量機的磁滯建模.pdf
- 基于偏最小二乘支持向量機的短期負荷預測.pdf
- 改進最小二乘支持向量機及其應用.pdf
- 最小二乘支持向量機6版
- 最小二乘支持向量機6版
- 最小二乘支持向量機6版
- 最小二乘支持向量機在多分類中的應用研究.pdf
- 基于在線聚類和最小二乘支持向量機的模糊建模方法研究.pdf
- 最小二乘與最小二乘支撐向量機.pdf
- 灰色最小二乘支持向量機研究及應用.pdf
- 最小二乘支持向量機算法研究及應用.pdf
- 最小二乘支持向量機的參數(shù)選擇.pdf
- 改進的稀疏最小二乘支持向量機在語音識別中的應用.pdf
- 最小二乘支持向量機的改進及其在化學化工中的應用.pdf
- 最小二乘支持向量機在財務業(yè)績預測中的應用研究.pdf
- 基于最小二乘支持向量機的熱工對象在線建模.pdf
- 結構化最小二乘支持向量機.pdf
- 魯棒最小二乘支持向量機研究與應用.pdf
評論
0/150
提交評論