典型文献
基于MLFMM算法与随机森林的天线场强预测模型
文献摘要：
天线等弱电通信设备工作在电力铁塔等强电环境中时,出于安全考虑需要计算天线所在位置的电磁环境.现有电磁计算方法涉及复杂变换与迭代过程,耗时长、占用内存高,工程人员不易掌握.为此,将机器学习中的随机森林回归模型应用到多场源和散射体的复杂情况中,建立了多层快速多极子算法(MLFMM)与随机森林结合的场强预测模型.基于MLFMM算法,利用电磁仿真软件FEKO获取电磁环境中大量的电磁分布数据,并进行数据挖掘和特征分析,以提高场强预测效率,降低计算复杂度.最后,利用随机森林回归模型实现场强预测.高电压环境下金属散射体附近的天线场强预测结果与数值计算方法结果吻合良好,准确率高于95％,证明了机器学习方法结合数值电磁计算方法的可靠性.
文献关键词：
高压环境;多层快速多极子算法;数据挖掘;随机森林;场强预测
中图分类号：
作者姓名：
李万臣;魏源;王帅
作者机构：
哈尔滨工程大学信息与通信工程学院;哈尔滨工程大学水声工程学院
文献出处：
引用格式：
[1]李万臣;魏源;王帅-.基于MLFMM算法与随机森林的天线场强预测模型)[J].安全与电磁兼容,2022(06):26-31,42
A类：
B类：
MLFMM,天线,场强预测,弱电,电通,通信设备,电力铁塔,强电,中时,全考,所在位置,电磁环境,电磁计算,工程人,随机森林回归模型,模型应用,多场,场源,散射体,复杂情况,多层快速多极子算法,电磁仿真软件,FEKO,高场强,低计算复杂度,模型实现,高电压,电压环,数值计算方法,机器学习方法,高压环境
AB值：
0.33344
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
