23、航空发动机驱动泵流量预测与高熵陶瓷二硼化物的研究进展

航空发动机驱动泵流量预测与高熵陶瓷二硼化物的研究进展

航空发动机驱动泵流量预测

在航空发动机驱动泵（EDP）的流量预测方面，为满足工程实时性要求，研究采用了QPSO - LightGBM算法构建回归预测模型。

智能集成学习算法

• LightGBM算法 ：LightGBM是在极端梯度提升（XGBoost）基础上优化而来，也是梯度提升决策树（GBDT）的高效实现算法。它能在保证模型精度的前提下处理高维数据，提高计算效率。
  • 优化方法
    • 直方图算法 ：XGBoost使用预排序方法遍历所有特征的所有分裂点，计算时间长且占用硬件资源。其算法复杂度为$O(xgb)s = n_feat × n_split × n_sample$ ，其中$n_feat$ 是特征参数数量，$n_split$ 是分裂点数量，$n_sample$ 是样本数量。而LightGBM采用直方图算法，将连续浮点特征离散化为K个整数，按特征所在区间分级计数，基于直方图离散值找到最优分裂点，使信息增益计算只需遍历K个区间，有效加速训练速度。
    • 基于梯度的单边采样（GOSS）算法 ：保留梯度较大的实例，通过对梯度较小的实例进行随机采样来减少计算量，加速训练速度且能保证一定的精度。样本数量计算公式为$n_sample = na + bn1−a$ ，其中$a$ 是较大样本量的比例，$b$ 是剩余小梯度值样本量的比例。
    • 互斥特