2021 Fiscal Year Research-status Report
因果推論と縮約モデルによる非定常流体データからの現象間相互作用解析
| Project/Area Number |
20K14958
|
|---|
| Research Institution | Japan Aerospace EXploration Agency |
|---|
Principal Investigator |
大道 勇哉 国立研究開発法人宇宙航空研究開発機構, 航空技術部門, 主任研究開発員 (40733168)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 非定常流体解析 / 因果推論 / 動的モード分解 / 固有直交分解 / 縮約モデル / 非定常流体力学 / データ解析 / 特異スペクトル解析 |
|---|
| Outline of Annual Research Achievements |
研究2年目となる2021年度は、因果推論手法の一つである動的モデリング技術、特に時間遅れ座標による埋め込みを用いたノイズ処理技術の開発及び、流体データ間の因果関係の解析技術の研究を実施した。
その主な成果は以下の点にまとめられる。
１）力学系の時間遅れ座標による埋め込みとデータの低次元表現を組み合わせることで、非定常感圧塗料(Unsteady-PSP)計測データなどに含まれる大きなランダムノイズを除去する技術を開発した。実データを対象にその有効性を実証した。特に提案手法は、ノイズ成分の大きな場合にPSPデータのノイズ処理技術として最もよく用いられる特異値分解による手法よりも高いノイズ除去性能があることや、ユーザ指定のパラメータへの依存性が低いことを示した。本手法は、PSPデータのみでなくランダムノイズを含む他の多次元時系列データに対しても有効と期待される。
２）昨年度に提案したノイズを含むデータからの時空間構造抽出手法（Truncated Dynamic Mode Decomposition, T-TLS DMD)の検証を進め、査読付き論文として発表した。
３）昨年度に引き続き、動的モデリングによる因果推論手法の流体データへの適用可能性の検証を進めた。当初想定していた固有直交分解と動的モデリングを組み合わせたアプローチのみでは適切に現象間の因果関係を捉えることが困難であることがわかってきた。今後は、縮約モデルの手法等を変えるなど、様々なアプローチの検討を進める予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初予定にはなかったが、本研究課題の基本アイデアである動的モデリングによる因果推論と縮約モデル（データの低次元表現）を組み合わせた技術を活用することで、多次元時系列データに含まれるランダムノイズの処理技術を開発することが出来た。
一方で、当初想定していた手法のみでは、現象間の因果関係を明確に捉えることが困難であることがわかってきた。今後は、縮約モデルの手法等を変えるなど、様々なアプローチの検討を進める予定である。
|
| Strategy for Future Research Activity |
当初予定していた手法のみでは現象間の因果関係を明確に捉えることが出来ない場合があることがわかったため、いくつかの異なるデータを対象に、提案手法や他の因果解析技術がデータ間の関係をどのように表現するのかを引き続き調査する予定である。
|
| Causes of Carryover |
全ての学会がオンライン開催であったため差額が生じた。次年度の学会参加費、論文掲載費等に使用予定。
|
