基于随机森林回归分析的脉管制冷机性能预测模型

摘要：

为了探索星载脉管制冷机相关参数对制冷性能的影响和提高制冷性能的一致性,建立了基于机器学习的随机森林回归(Random Forest Regression,RFR)模型,然后对制冷性能与各个自变量进行了回归预测.制冷性能预测的平均相对误差为5.62％,平均确定性系数为0.805.按照特征重要度从高到低排序,前两位分别为丝网填充率和磁感应强度,与实际的实验结果相符(丝网填充率和磁感应强度的实际输入功的变化值分别为6.11 Wac和3.52 Wac,远大于其他4个自变量).研究结果表明,RFR具有较高的精确度和鲁棒性,为提高星载脉管制冷机性能的一致性提供了新的思路.

关键词：脉管制冷机;随机森林回归;特征重要度

所属期刊栏目：42

分类号：TK123(热力工程、热机)

资助基金：国家自然科学基金项目51806231

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37