歴史データに基づくガウス過程回帰を用いた概念航空機設計パラメータの予測

本論文では、400機以上の航空機と200機のエンジンの包括的なオープンソースデータベースに適用されたガウス過程回帰（GPR）を用いて、重要な航空機設計パラメータを予測するための新しい方法論を提示します。このデータベースは、未来航空機サイズツール（FAST）を通じて無料で提供されており、航空機設計者が初期段階の概念設計に詳細な歴史データを活用できるようにし、回帰の基礎となるデータに対する完全な可視性を提供します—従来の回帰モデルとは異なり、トレーニングデータとモデルのフィットは一般に公開されていません。本研究で開発された非parametric GPRモデルは、柔軟な入力構成を可能にし、文献からの確立された回帰と比較して、運用空の重量や未取り付けエンジン重量などの重要なパラメータを予測する精度を向上させます。幅広い入力を組み込むことで、これらのモデルは予測誤差を削減し、より信頼性の高い推定を実現するために、初期設計段階でより厳密な誤差分布を提供します。本論文は、従来の航空機データを適応させてハイブリッド電動および完全電動航空機設計を探求する方法論を概説し、歴史データが新しい推進システムに効果的に活用できるようにします。また、GPRフレームワークの柔軟性により、ユーザーは独自の回帰を作成し、新しいデータが利用可能になると予測を更新できるため、自身のデータセットで作業している研究者にとって有用なツールとなります。