面臨的難題？

在使用 Altair Feko 進行空間場強計算時，每次查詢新坐標點的場強幅值都需要重新進行計算，這不僅耗時（約20-30分鐘），而且還需要考慮高級算力的排隊時間。這種效率瓶頸嚴重限制了快速決策和實時分析的可能性，特別是在需要頻繁查詢或優(yōu)化場強分布的場景中。

主要看點

Altair 解決方案：

為解決場強幅值計算耗時問題，我們采用Altair RapidMiner構建預測模型。該模型基于Feko的空間場數(shù)據(jù)，能迅速預測不同頻率下任意坐標點的場強幅值。

實現(xiàn)步驟包括：

導入并預處理數(shù)據(jù)

選擇合適的機器學習算法訓練模型

優(yōu)化模型性能，并最終實現(xiàn)實時預測。構建整個流程時間需要10分鐘，但可復用流程，新的空間場內(nèi)的預測只需要在流程中替換數(shù)據(jù)運行即可。

優(yōu)點：

采用RapidMiner預測模型后，收益顯著。輸入任意點的XYZ坐標，3秒內(nèi)即可預測出不同頻率下的場強曲線，效率大幅提升；

減少重復計算，節(jié)省算力成本，實時數(shù)據(jù)支持快速決策。

Altair 解決方案如何實現(xiàn)？

案例技術路線圖

基于 Monarch DPS 的數(shù)據(jù)準備

基于Monarch對于Feko提供的數(shù)據(jù)，提取X、Y、Z和Frequency等我們需要的數(shù)據(jù)進行數(shù)據(jù)準備。

數(shù)據(jù)準備

基于 RapidMiner 的數(shù)據(jù)建模

為了驗證模型的預測能力，我們首先將我們的數(shù)據(jù)拆成了兩份，根據(jù)X、Y、Z的數(shù)據(jù)每隔3個坐標點取1得到了大概289,952條數(shù)據(jù)，剩下579,904條數(shù)據(jù)供我們驗證當前場強的分布。

289,952 數(shù)據(jù)集進行建模

579,904條數(shù)據(jù)驗證我們方案的可行性

實現(xiàn)過程：模型訓練

實現(xiàn)過程：模型檢驗

實現(xiàn)結果

實驗證明，基于RapidMiner通過對于空間點上的場強進行建模，我們可以實現(xiàn)對于空間上任一一點的場強預測。

如果用 Feko存了 STR 文件，不算使用高算排隊的時間，大概算一次十幾二十分鐘，如果基于RapidMiner的模型，只需要輸入坐標點，3秒內(nèi)就能得到結果。

不同HZ下預測和實際值的擬合曲線

審核編輯：劉清