一种融合专家经验的高维小数据的代理模型构建方法技术

本发明专利技术公开了一种融合专家经验的高维小数据的代理模型构建方法。使用本发明专利技术能够得到在高维小数据情况下的高精度代理模型。本发明专利技术利用神经网络反映设计模型中设计变量与设计目标之间的函数关系，并利用遗传算法对神经网络的权值进行训练，并在训练过程中，融入专家对于设计变量和设计目标间的对应关系式的经验认识，补充缺失的映射规律，从而成功克服了高维小数据条件下代理模型精度不高的问题。本发明专利技术没有增加样本量，不会带来数据噪音。

An Agent Model Construction Method for High Dimensional Small Data Fusing Expert Experience

The invention discloses an agent model construction method of high-dimensional small data integrating expert experience. The high-precision proxy model in the case of high-dimensional and small data can be obtained by using the present invention. The invention uses neural network to reflect the functional relationship between design variables and design objectives in the design model, and uses genetic algorithm to train the weights of the neural network. In the training process, the expert's experience and knowledge of the corresponding relationship between design variables and design objectives are integrated to supplement the missing mapping law, thus successfully overcoming the agent under the condition of high-dimensional and small data. The accuracy of the model is not high. The invention does not increase sample size and does not bring data noise.

【技术实现步骤摘要】
一种融合专家经验的高维小数据的代理模型构建方法
本专利技术涉及工程设计代理模型构建
，具体涉及一种融合专家经验的高维小数据的代理模型构建方法。
技术介绍
随着近几年科学技术的快速发展，对工程问题的研究也在逐渐深入。由于无法获知设计目标与设计变量之间的函数关系式，大多数工程设计问题，需要模拟实验来评估采用不同设计参数时的目标函数和约束函数。例如，为了找到最佳的机翼形状，常常针对不同的形状参数(长度，曲率，材料等)模拟机翼周围的气流。但是对于许多实际问题，单次模拟可能需要数分钟、数小时、甚至数天才能完成。类似设计优化、设计空间搜索、灵敏性分析和假设分析这种，需要进行数千、甚至数百万次的模拟，直接对原模型求解将耗费大量的时间与物力。改善这种情况的一个办法就是使用代理模型(也被称为响应曲面模型，元模型或模拟器)来模拟高精度模型。针对计算量过大、不容易求解的原模型，可以使用计算量较小、求解迅速的简化模型来代替原模型，加速优化过程。但是在众多工程问题中，由于硬件设施和研究对象等问题，其中一部分工程问题面临着已有数据少、设计参数多、设计过程复杂，即高维小数据的特点，极大地增加了模型构建的难度本文档来自技高网...

【技术保护点】
1.一种融合专家经验的高维小数据的代理模型构建方法，其特征在于，包括如下步骤：步骤1，咨询汇总专家对于设计变量和设计目标间的对应关系的专家经验；步骤2，构建神经网络，其中，神经网络的输入为设计变量，输出为设计目标；步骤3，采用遗传算法对步骤2构建的神经网络的权值进行训练，并以专家经验和拟合精度作为约束条件，训练得到的最优神经网络即为所求代理模型；具体包括如下子步骤：步骤3.1，以神经网络为遗传算法中的种群个体，以神经网络的权值为个体基因，设定遗传算法种群大小，构建种群，设定交叉概率与变异概率；其中，初始种群中，各个体的初始权值为随机生成；步骤3.2，针对当前种群，以样本集中的输入参数为作为各个...

【技术特征摘要】
1.一种融合专家经验的高维小数据的代理模型构建方法，其特征在于，包括如下步骤：步骤1，咨询汇总专家对于设计变量和设计目标间的对应关系的专家经验；步骤2，构建神经网络，其中，神经网络的输入为设计变量，输出为设计目标；步骤3，采用遗传算法对步骤2构建的神经网络的权值进行训练，并以专家经验和拟合精度作为约束条件，训练得到的最优神经网络即为所求代理模型；具体包括如下子步骤：步骤3.1，以神经网络为遗传算法中的种群个体，以神经网络的权值为个体基因，设定遗传算法种群大小，构建种群，设定交叉概率与变异概率；其中，初始种群中，各个体的初始权值为随机生成；步骤3.2，针对当前种群，以样本集中的输入参数为作为各个体的输入，得到各个体的输出值；计算各个体的专家经验通过率和拟合精度；所述专家经验通过率和拟合精度的计算方法如下：针对各个体，针对其每次输入，改变输入值大小，判断其输出量的变化是否满足对应的专家经验，统计该个体在所有输入样本下的满足专家经验的百分比，获得该个体的专家经验通过率；针对各个体，针对其的每次输入，计算其输出值与期望值之间的差值，统计该个体在所有输入样本下的输出值与期望值之间的差值，获得该个体的拟合精度；步骤3.3，判断是否达到迭代次数要求，或者当前种群满足如下条件：种群中各个体的专家经验通过率均为100％且拟合精度均达到设定要求，若满足，则从当前种群中挑选出专家经验通过率最高且拟合精度也最高的个体所对应的神经网络作为代理模型输出；若不满足，则执行...

【专利技术属性】
技术研发人员：郝佳，叶文斌，王国新，阎艳，唐旭晴，徐灵艳，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11