4）に2））（𝑌𝑌4）――マツダ技報No.41（2025） に5（）𝑋𝑋𝐶𝐶1,…,𝐶𝐶𝑁𝑁𝐶𝐶𝑁𝑁 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑𝑁𝑁ሻ 𝑌𝑌 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑𝑑𝑑ሻ 𝐶𝐶1 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑1ሻ⋯ ⋯ ⋯ 連鎖的ランダムフォレスト因子構造分析技術3.12.2 適用事例 本節では，自動車の空力性能を評価する風洞実験で得られる，車体表面圧力の多点同時計測（時系列長：575070，計測点数：グラフ構造化分析を適用した事例を述べる。 各計測点と幾つかの時系列データの概観を示す。車両周りの空気の流れ場においては，先行研究を通して空気抵抗に影響する重要な渦の知見が知られており，それを踏まえて構成された計測車両には二つの仕様がある。一つは，空気抵抗が大きい複雑な流れ場（トランクデッキ上の流れがボディーサイドからの流れの影響を受ける三次元的流れ）をもつベース仕様車である。もう一つは，ベース仕様車における流れ改善対策により空気抵抗が小さくなる比較的シンプルな流れ場（トランクデッキ上の流れがルーフからの流れに沿った二次元的流れ）をもつ空力改善仕様車である。ここでは，これら二つの仕様に対応する非線形性の強い流れ場で得られた時系列データを基に，グラフ構造化分析を適用して多点間での支配的な依存関係を構造化し，古典的な相関分析などではとらえることが難しい“向き”を見出すとともに，各仕様と整合する傾向が示唆されるかどうかを検証した。Fig. 3Measurement Points (Nodes) of Aerodynamic Pressure Fluctuations on the Car Body Surface and Some Images of their Time Series Data(4)Fig. 4Results of Analyzing and Visualizing the Relationships among Nodes(4)Fig. 4（ 結果をに示す。共通の傾向として，ボディーサイドの前方から後方へと向かう関係性が見られ，時間の概念を内包するような自然な流れの方向が示唆された。差異の傾向として，ベース仕様車ではボディーサイドかRF RF RF 5,6）に基づく時系列データを題材に，Fig. 3（ら背面へと向かう関係性（薄い紫の最も太い矢印）や，背面から床下へと向かう関係性（薄い紫の少し太い矢印）が見られ，複雑な流れ場が示唆された。一方で，空力改善仕様車ではそれらが全く見られず，ベース仕様車と比べてシンプルな流れ場が示唆された。このように，恣意的な方向付けがなくても妥当な傾向が示唆されることを検証できた。また，時間に関する知識発見だけでなく，依存関係を表す一部のエッジ（例えば，背面における上段と中段の間のエッジのうち，中段から上段へと逆向きに向かうもの）の本数の割合に着目する発想に至ることができた。これにより，流れ改善対策の効果を計測車両の時系列データのみから直接定量化する表現を獲得し，本事例では約3. 技術の概要 本節では，構築したの一つ「連鎖的ランダムフォレスト因子構造分析」Chained Random Forest Factor Structure Analysisついて概要を述べる。詳細な数式を含めた記述は文献（を参照されたい。𝑋𝑋 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑𝑑𝑑ሻ Construct a chained surrogate model among ordered variables based on multiple random forest (RF) models, together with variable selection through combinatorial optimization 𝑋𝑋′ ሺ𝑁𝑁𝑁𝑁×𝑑𝑑′𝑑𝑑ሻ 𝐶𝐶′1 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑′1ሻ 𝐶𝐶′𝑁𝑁 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑′𝑁𝑁ሻ 𝑌𝑌 ሺ𝑁𝑁𝑁𝑁×𝑑𝑑𝑑𝑑ሻ Fig. 526倍の改善効果があったと評価できた。AI技術（教師あり機械学習技術）Start The input data with design variables , ordered intermediate variables , and objective variables such as performance RF RF RF The output of the chain structure visualization of important factors for objective variables, together with the shading expression of the importance (Gini impurity) of each chain ⋯ End The Flowchart of “Factor Structure Analysis”Chained Random Forest , A Kind of Supervised Machine Learning
元のページ ../index.html#35