不確実性を考慮した高速かつ信頼性の高い形状最適化のためのデータ駆動型手法

要約

データ駆動型最適化（DBO）は、代理モデルを用いて空力性能向上のための形状最適化を効率化するが、訓練データ外のサンプルに対する予測誤差が課題である。本研究では、不確実性を定量化し最適化プロセスに組み込むUA-DBOフレームワークを提案する。これにより、予測誤差を低減しつつ、計算シミュレーションと同等の最適化効果を高速に実現する。

全文は有料プランで閲覧できます。