当下工业仿真面临的难题？

在使用 Altair Feko 进行空间场强计算时，每次查询新坐标点的场强幅值都需要重新进行计算，这不仅耗时（约20-30分钟），而且还需要考虑高级算力的排队时间。这种效率瓶颈严重限制了快速决策和实时分析的可能性，特别是在需要频繁查询或优化场强分布的场景中。

主要看点

Altair 解决方案：

为解决场强幅值计算耗时问题，我们采用Altair RapidMiner构建预测模型。该模型基于Feko的空间场数据，能迅速预测不同频率下任意坐标点的场强幅值。

实现步骤包括：

• 导入并预处理数据

• 选择合适的机器学习算法训练模型

• 优化模型性能，并最终实现实时预测。构建整个流程时间需要10分钟，但可复用流程，新的空间场内的预测只需要在流程中替换数据运行即可。

优点：

采用RapidMiner预测模型后，收益显著。输入任意点的XYZ坐标，3秒内即可预测出不同频率下的场强曲线，效率大幅提升；

减少重复计算，节省算力成本，实时数据支持快速决策。

Altair 解决方案如何实现？

案例技术路线图

基于 Monarch DPS 的数据准备

基于Monarch对于Feko提供的数据，提取X、Y、Z和Frequency等我们需要的数据进行数据准备。

数据准备

基于 RapidMiner 的数据建模

为了验证模型的预测能力，我们首先将我们的数据拆成了两份，根据X、Y、Z的数据每隔3个坐标点取1得到了大概289,952条数据，剩下579,904条数据供我们验证当前场强的分布。

289,952 数据集进行建模

579,904条数据验证我们方案的可行性

实现过程：模型训练

实现过程：模型检验

实现结果

实验证明，基于RapidMiner通过对于空间点上的场强进行建模，我们可以实现对于空间上任一一点的场强预测。

如果用 Feko存了 STR 文件，不算使用高算排队的时间，大概算一次十几二十分钟，如果基于RapidMiner的模型，只需要输入坐标点，3秒内就能得到结果。

不同HZ下预测和实际值的拟合曲线