科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现对高速列车侧墙复合结构快速、精准的隔声预测，基于已有的前期大量实测数据，构建了高速列车侧墙复合结构隔声样本数据库，并提出了一种基于决策树算法的隔声预测模型，建立了结构的隔声量与材料参数之间的映射关系。首先，介绍了原始实测样本的来源，并进行了材料组成分析、整理和归类；接着，对影响侧墙复合结构隔声性能的主要因素进行分析，开展了显著特征的筛选；最后，基于机器学习中的决策树算法对模型进行了训练和验证，并与传统有限元-统计能量分析预测方法进行了对比。结果表明：相较于传统有限元-统计能量分析模型，该决策树学习模型对高速列车侧墙复合结构隔声特性的预测准确度和预测效率均显著提高。随着将来更多样本的加入，模型还可以被进一步改进和完善，具有较大的工程实用意义和推广潜力。
- 单位
