摘要
本发明公开了一种面向气动特性建模的自适应采样方法,属于空气动力学领域。解决了气动特性建模中现有的传统采样方法因缺乏对复杂函数区域的针对性采样能力而造成的样本浪费问题;本发明面向气动特性建模,以高斯过程回归的不确定度和参数敏感性分析结果综合加权确定复杂函数所在的参数区间,针对参数区间的复杂度情况进行非均匀采样,实现对复杂函数区域的针对性采样;敏感性分析采用联合数据挖掘方法,包含Sobol算法和决策树两种方法;本发明有效提高了小样本气动特性建模的样本利用效率。
技术关键词
参数敏感性分析
采样方法
拉丁超立方采样
样本
决策树方法
CART算法
复杂度
数据挖掘方法
回归树模型
测试点
风洞试验
节点
变量
平滑度
分支
矩阵
指标
系统为您推荐了相关专利信息
逆向解析方法
光谱信号预处理
斜投影算子
片剂
特征值
测试场景
逻辑回归分类器
虚拟驾驶平台
风险
计算机可读取存储介质
人形机器人
关节
样本
视觉感知特征
神经网络模型
李雅普诺夫函数
前馈神经网络
控制优化方法
训练样本集
控制船舶
电池异常检测方法
电池传感器
多层感知器
数据
网络