基于优化的深度极限学习机的柴油车NO_%28x%29排放预测.pdf
《基于优化的深度极限学习机的柴油车NO_%28x%29排放预测.pdf》由会员分享,可在线阅读,更多相关《基于优化的深度极限学习机的柴油车NO_%28x%29排放预测.pdf(4页珍藏版)》请在咨信网上搜索。
1、基于优化的深度极限学习机的柴油车 排放预测李勇志胡磬遥任洪娟黄成(上海工程技术大学机械与汽车工程学院上海 上海市环境科学研究院国家环境保护城市大气复合污染成因与防治重点实验室上海)摘 要:用麻雀搜索算法优化的深度极限学习机()构建柴油车 排放预测模型对柴油车低速、中速和高速状态下的 排放进行预测并将此模型性能与深度极限学习机()模型性能进行对比分析 结果表明:模型的预测效果较好在低速、中速、高速状态下该模型平均绝对百分比误差 分别为.、.、在低速、中速、高速状态下 模型的性能评价指标比 模型性能评价指标分别优约、关键词:重型柴油车麻雀搜索算法深度极限学习机排放预测中图分类号:文献标志码:文章编
2、号:()收稿日期:修订日期:基金项目:上海市科技计划“上海大气颗粒物和臭氧精细化监测预报及关键前提污染物防控关键技术研究与应用示范”基金资助项目()上海市 年度“科技创新行动计划”科技支撑碳达峰碳中和专项“城市货运交通碳排放实时计算与监测关键技术研究与示范”基金资助项目()作者简介:李勇志()男山东临沂人在读研究生研究方向为柴油车尾气排放与控制通信作者:胡磬遥:.():().().:是大气污染物的主要成分之一且 生成机理复杂想通过测量获得不同行驶工况条件下的 排放浓度并进行 排放预测就需要做大量的试验以数据驱动为基础的 排放预测以其低成本且具有高度非线性拟合能力的优势得到广泛应用 国内外学者运
3、用不同的神经网络模型对车辆 排放进行预测研究数据的获得多依靠台架试验 实际道路工况更加复杂多变且会受多种外界因素的影响应用上述模型对实际道路上的 排放进行预测效果很难达到理想状况故须构建一种适用于实际道路 排放预测的模型今依托重型柴油车排放远程在线监控平台和重型柴油车定位监控系统采集实际道路上的车辆第 卷 第 期环境监测管理与技术 年 月运行信息(车速、发动机燃料流量、发动机净输入扭矩比、发动机转速、选择性催化还原技术 入口温度)和排放信息(浓度)运用麻雀搜索算法优化的深度极限学习机以车速、发动机燃料流量、发动机净输入扭矩比、发动机转速、入口温度为输入浓度为输出训练得到预测模型并用该模型对柴油
4、车 排放进行预测结果令人满意 数据采集与研究方法 数据采集及处理远程在线监控终端设备主要包括发动机信息解析系统、远程通讯系统、定位系统 数据采集步骤见图 通过发动机信息解析系统和定位系统获得车辆运行信息、车速信息及定位信息远程通讯系统将采集的信息发送到数据存储平台通过访问服务器客户端获得所需车辆的信息 选择两辆运行状况正常的集卡车收集两辆集卡车辆信息:车牌号分别为沪、沪 发动机生产商为东风雷诺发动机型号为 功率为 排量为 将远程在线监控终端设备与车内 接口相连接采集其 年 月运行时的实时数据共 条将采集的数据进行预处理对异常值、缺失值进行删除处理经过预处理后数据量变为 条部分数据见表 由于模型
5、预测精度和收敛速度受到数据量纲及值域的影响为保证模型的预测精度及收敛速度在训练开始之前对数据进行归一化处理 归一化公式如下:()式中:为处理后的数据 为整个数据的最大值 为整个数据的最小值 为样本的原数据图 数据采集步骤.表 部分试验数据 车速/()发动机净输入扭矩比/发动机转速/发动机燃料流量/()入口温度/排放体积分数 /逐秒排放量/()用麻雀搜索算法优化的深度极限学习机深度极限学习机相当于多个极限学习机连接而得到的深度学习网络深度极限学习机初始化由极限学习机的输出权重实现 极限学习机训练时只须用最小二乘法计算输出层的权重和阈值输入层权重和阈值随机形成这就使得深度极限学习机的预测结果存在较
6、大的波动性预测精度也会受到一定的影响故采用麻雀搜索算法对输入层权重和第 卷 第 期李勇志等.基于优化的深度极限学习机的柴油车 排放预测 年 月阈值的获取过程进行优化 优化流程为:初始化麻雀搜索算法各参数计算所有麻雀的适应度值并选出当前最优适应度值和最差适应度值及其分别对应的位置随机获得负责预警的麻雀个数进行一次迭代后重新计算所有麻雀的适应度值并更新侦察者、加入者和发现者的位置信息通过种群当前状态不断更新整个种群的最优位置、最差位置及适应度值判断是否达到最大迭代次数或者求解条件若是则输出最优值若不是则返回步骤将获得的结果输入深度极限学习机模型 模型性能评价指标为验证上文所建模型的预测精度计算模型
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 优化 深度 极限 学习机 柴油车 NO_ 28 29 排放 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。