[发明专利]一种基于随机森林的螺旋电感建模方法

权利要求书

1.一种基于随机森林的螺旋电感建模方法，其特征在于包括以下步骤：

步骤1：采用ANSYS HFSS电磁仿真软件得到螺旋电感的结构参数和与之对应的性能参数，构建螺旋电感原始数据集；

步骤2：对螺旋电感原始数据集进行归一化处理，计算公式如下：

y＝(x-MinValue)/(MaxValue-MinValue)

其中，x是初始值，y是转换后的值，MinValue和MaxValue是数据集中同一维数据的最小值和最大值，取值范围为[0,1]；

步骤3：将归一化后的原始数据集随机划分到原始训练样本集和测试样本集中；

步骤4：对训练样本集用随机森林算法进行训练，螺旋电感的结构参数作为输入，性能参数作为输出，获得训练好的螺旋电感预测模型；

步骤5：测试样本集输入到训练好的螺旋电感预测模型，得到相应的螺旋电感性能参数，评估模型预测精度。

2.如权利要求1所述的一种基于随机森林的螺旋电感建模方法，其特征在于，所述的步骤1中螺旋电感的结构参数指标包括圈数N、外径Dout、线宽W和线间距s，性能参数包括电感值L，品质因素Q，自谐振频率SRF；

以相等的间隔对每个参数进行均匀采样，电感值L，品质因数Q和自谐振频率SRF，可以用Y参数表示如下；

Y₁₁是双端口Y参数的输入导纳，f为工作频率，Q值为零时的频率点为SRF的值。

3.如权利要求1所述的一种基于随机森林的螺旋电感建模方法，其特征在于，所述的步骤3中对归一化后螺旋电感原始数据集按4:1的比例进行划分为原始训练样本集和测试样本集。

4.如权利要求3所述的一种基于随机森林的螺旋电感建模方法，其特征在于，对原始训练样品集有放回地重复随机抽取k个样本组成新的训练样本集，没有被抽到的样本组成k个袋外数据，多次进行生成样本集合。

5.如权利要求1所述的一种基于随机森林的螺旋电感建模方法，其特征在于，所述的步骤4随机森林算法具体实现包括以下步骤：

步骤4.1：以决策树，即CART树作为随机森林算法中基学习器，对样本集合中每个子样本分别建立决策树模型；

步骤4.2：整合每棵决策树输出的均值为最终输出结果。

6.如权利要求5所述的一种基于随机森林的螺旋电感建模方法，其特征在于，所述的步骤4.1构建CART树具体实现包括如下步骤：

步骤4.1.1：从M个属性特征中随机的选取m(mM)个特征；

步骤4.1.2：在每个节点上从M个特征依据最小均方差原则选取最优特征；

在评价模型时，采用均方根误差，即RMSE作为模型结论与实际值的吻合程度的衡量标准，计算公式如下：

其中，y_i表示第i个样本的预测值和真实值，n表示总样本个数；

步骤4.1.3：分裂直到树生长到最大。