面臨的難題？

在使用 Altair Feko 進行空間場強計算時，每次查詢新坐標點的場強幅值都需要重新進行計算，這不僅耗時（約20-30分鐘），而且還需要考慮高級算力的排隊時間。這種效率瓶頸嚴重限制了快速決策和實時分析的可能性，特別是在需要頻繁查詢或優化場強分布的場景中。

主要看點

Altair 解決方案：

為解決場強幅值計算耗時問題，我們采用Altair RapidMiner構建預測模型。該模型基于Feko的空間場數據，能迅速預測不同頻率下任意坐標點的場強幅值。

實現步驟包括：

導入并預處理數據

選擇合適的機器學習算法訓練模型

優化模型性能，并最終實現實時預測。構建整個流程時間需要10分鐘，但可復用流程，新的空間場內的預測只需要在流程中替換數據運行即可。

優點：

采用RapidMiner預測模型后，收益顯著。輸入任意點的XYZ坐標，3秒內即可預測出不同頻率下的場強曲線，效率大幅提升；

減少重復計算，節省算力成本，實時數據支持快速決策。

Altair 解決方案如何實現？

案例技術路線圖

基于 Monarch DPS 的數據準備

基于Monarch對于Feko提供的數據，提取X、Y、Z和Frequency等我們需要的數據進行數據準備。

數據準備

基于 RapidMiner 的數據建模

為了驗證模型的預測能力，我們首先將我們的數據拆成了兩份，根據X、Y、Z的數據每隔3個坐標點取1得到了大概289,952條數據，剩下579,904條數據供我們驗證當前場強的分布。

289,952 數據集進行建模

579,904條數據驗證我們方案的可行性

實現過程：模型訓練

實現過程：模型檢驗

實現結果

實驗證明，基于RapidMiner通過對于空間點上的場強進行建模，我們可以實現對于空間上任一一點的場強預測。

如果用 Feko存了 STR 文件，不算使用高算排隊的時間，大概算一次十幾二十分鐘，如果基于RapidMiner的模型，只需要輸入坐標點，3秒內就能得到結果。

不同HZ下預測和實際值的擬合曲線

審核編輯：劉清