案例研究：降维对基于回归树的算法的影响——预测衍生飞机的航空载荷
机器学习
2018-12-07 v1 机器学习
摘要
在航空工业中，市场需求在高度竞争的环境中快速演变。这要求在最短时间内对给定飞机模型进行适配，例如考虑航程或乘客数量的增加（参见 A330 NEO 系列）。用于重新确定机身尺寸的载荷与应力计算处于该飞机变体定义的关键路径上：这是一个耗时且昂贵的过程，其原因之一是高维度和海量数据。这正是 Airbus 近年来投资大数据方法（从统计方法到机器学习）以提升该过程速度、数据价值提取和响应能力的原因。本文介绍了 Airbus、ENAC 和图卢兹数学研究所（Institut de Mathématiques de Toulouse）在概念验证冲刺项目框架下合作取得的近期进展。它比较了三种降维技术（PCA、多项式拟合、组合）对基于回归树算法在载荷预测外推能力上的影响。结果表明，采用随机森林的 AdaBoost 在精度和计算时间方面对仅对输出施加 PCA 的载荷估计提供了有前景的平均结果。
引用
@article{arxiv.1812.02310,
title = {A case study : Influence of Dimension Reduction on regression trees-based Algorithms -Predicting Aeronautics Loads of a Derivative Aircraft},
author = {Edouard Fournier and Stéphane Grihon and Thierry Klein},
journal= {arXiv preprint arXiv:1812.02310},
year = {2018}
}