NASA数据集，不同风洞速度和攻角下不同尺寸的NACA0012翼型数据

Data Set Information: NASA数据集包括不同风洞速度和攻角下不同尺寸的NACA 0012翼型。翼型的跨度和观察者的位置在所有实验中都是相同的。 Attribute Information: 此问题有以下输入： 1.频率，以赫兹为单位。 2.攻角，以度为单位。 3.弦长，以米为单位。 4.自由流速度，以米/秒为单位。 5.吸入侧位移厚度，单位为米。 唯一的输出是： 6.标度声压级，单位为分贝。 Relevant Papers: T.F. Brooks, D.S. Pope, and A.M. Marcolini. Airfoil self-noise and prediction. Technical report, NASA RP-1218, July 1989. K. Lau. A neural networks approach for aerofoil noise prediction. Mastera€?s thesis, Department of Aeronautics. Imperial College of Science, Technology and Medicine (London, United Kingdom), 2006. R. Lopez. Neural Networks for Variational Problems in Engineering. PhD Thesis, Technical University of Catalonia, 2008. Citation Request: Please refer to the Machine Learning Repository's citation policy

数据集信息：该NASA数据集涵盖了不同尺寸的NACA 0012翼型（NACA 0012 airfoil）在多种风洞速度与攻角条件下的实验数据。所有实验中，翼型展长与观测位置均保持一致。
属性信息：本任务包含以下输入特征：
1. 频率（单位：赫兹）；
2. 攻角（单位：度）；
3. 弦长（单位：米）；
4. 来流速度（单位：米/秒）；
5. 吸力侧位移厚度（单位：米）。
唯一的输出标签为：
6. 标度声压级（单位：分贝）。
相关文献：
T.F. Brooks、D.S. Pope与A.M. Marcolini，《翼型自噪声及其预测》，NASA技术报告RP-1218，1989年7月。
K. Lau，《基于神经网络的翼型噪声预测方法》，英国伦敦帝国理工学院科学、技术与医学院航空系硕士论文，2006年。
R. Lopez，《工程变分问题的神经网络方法》，加泰罗尼亚理工大学博士论文，2008年。
引用要求：请遵循机器学习仓库的引用规范。

搜集汇总

背景与挑战

背景概述

该NASA数据集包含NACA0012翼型在不同风洞速度和攻角下的实验数据，主要输入参数有频率、攻角、弦长和自由流速度，输出参数为标度声压级。数据集适用于空气动力学和声学相关研究。