利用决策树回归预测手持式探头的振动频率响应
应用物理
2024-02-09 v1
摘要
本文重点研究手持式探头的振动频率响应预测。我们探索了一种结合机器学习与探头现成数据的新方法。振动探头是一种高效且经济的设备，可提供建筑声学中空气声隔声测试的相关信息。然而，将探头固定在振动表面上会使传感器谐振频率下移并低估其电平。因此，探头内置传感器的校准响应与该探头本身的频率响应存在差异。复杂机械系统的仿真技术可以描述这一问题，但它们包含难以获取的参数，最终限制了模型。因此，本研究探讨了一种替代方法，包含不同部分。首先，测量了 85 个探头的振动频率响应，并根据六个特征进行了标注。然后，分析了线性回归、决策树回归和人工神经网络算法。结果显示，决策树回归是更适合该数据的技术。在分数和模型结构方面表现优异的最佳决策树模型进行了微调。最终，所建议的最终模型仅使用了六个原始特征中的四个。实现了一个兼顾简单结构、可解释模型和准确预测的折中方案。结果显示，与测试测量值相比，最大平均偏差在低频段为 0.6 dB，在高频段为 3 dB，同时保持了较低的计算负荷。本研究开发了一种原创且可靠的预测工具，可提供手持式探头的振动频率响应。
引用
@article{arxiv.2402.05921,
title = {On the Use of Decision Tree Regression for Predicting Vibration Frequency Response of Handheld Probes},
author = {Roberto San Millán-Castillo and Eduardo Morgado and Rebeca Goya Esteban},
journal= {arXiv preprint arXiv:2402.05921},
year = {2024}
}