利用全波分析方法计算了不同电路板加载、不同孔缝和尺寸的开孔金属腔在0～5 GHz范围内的屏蔽效能(SE)，获得共计5250个样本。进而利用机器学习中的随机森林回归算法，对其中4200个样本数据进行训练，获得了可以根据开孔腔物理尺寸、加载物材料及电磁特性和位置、频率等共计16个输入参数快速评估开孔加载金属腔屏蔽效能的机器学习模型。利用其余的1050个样本进行模型验证，结果表明该模型可以快速准确地计算加载腔的电磁屏蔽效能。该模型具有随时根据样本量增加不断训练提高其普适性的特点，可为实际工程中加载开孔腔的屏蔽设计及SE评估提供高效途径。
加载金属腔 屏蔽效能 随机森林 机器学习 loaded metallic enclosures shielding effectiveness random forest machine learning 强激光与粒子束
2019, 31(8): 083201
