摘要：随着大数据时代的到来和人工智能的发展,气动优化领域进行了很多有益的尝试与探索。传统叶轮机械叶型优化有着耗时长,叶型参数化复杂,计算成本高等缺点。本文采用机器学习中的SVM(支持向量机)方法,基于离心压气机数据库,构建叶型参数与目标函数值之间的非线性模型,取代了繁琐的CFD计算。之后,利用遗传算法进行全局寻优,得出最优的叶型参数组合。与传统优化方法D3D比较,此方法优化时间大幅减少,优化叶型变化趋势与D3D接近,优化结果经过Numeca数值验证,峰值效率比D3D提高了0.2%,表明了机器学习优化具有较高的可靠性。

摘要：在对灰色系统理论研究的基础上,设计实现了一个基于GM(1,1)模型算法的预测系统,系统设计有友好的人机交互界面,包含数据库输入,数据预测、残差分析和拟合曲线五个子模块构成。通过对客运交通量实例数据仿真,证明了此预测系统精度较高,且该预测系统具有良好的通用性,可作为其他领域有关灰色预测设计的参考。