偏最小二乘和支持向量機方法在氣動數(shù)據(jù)建模中的初步應用.pdf

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