基于贝叶斯超参数优化的Gradient Boosting方法的导弹气动特性预测

作者：崔榕峰; 马海; 郭承鹏; 李鸿岩; 刘哲

来源：航空科学技术, 2023, 34(07): 22-28.

DOI：10.19452/j.issn1007-5453.2023.07.003

• 导弹
• 气动特性
• Boosting
• Gradient Boosting
• 贝叶斯优化

在导弹设计与研发的初期阶段，需要寻求高效且低成本的导弹气动力特性的分析方法。然而，气动性能分析过程中往往存在试验成本高、周期长、局限性大等问题。因此，本文采用基于提升（Boosting）的机器学习集成算法进行导弹气动特性预测，通过输入导弹的气动外形参数、马赫数和迎角，对于导弹气动力系数实现快速预测。结果表明，Boosting能够对导弹气动力系数进行精准高效预测。为进一步提升预测精度，与传统的机器学习参数调整方法相比，采用贝叶斯优化方法对梯度提升（Gradient Boosting）算法超参数进行优化，调优后的Gradient Boosting方法预测的导弹气动力系数与实际值吻合度得到提升，并将贝叶斯优化的Gradient Boosting方法与XGBoost、LightGBM、Adaboost方法进行了对比，贝叶斯优化的Gradient Boosting方法预测精度优于其他Boosting方法，证明了优化方法的可行性与有效性。

• 单位
  中国航空工业空气动力研究院