论文全文 - 内燃机“高效、低碳、清洁燃烧”国际学术研讨会 高原/高寒及特种发动机
本研究的目的是开发一个基于深度学习的预测模型,以预测高原环境下GDI汽油车CO和PN的瞬时排放量。利用便携式车载排放测试系统(portable emission measurement system,PEMS)对一辆GDI汽油车进行实际道路排放测试;加入奇异谱分析(Singular Spectrum Analysis,SSA)对原始时间序列进行处理,剔除时间序列中的异常值;利用XGBoost模型对GDI汽油车的CO和PN的瞬时排放进行初步预测,并利用SVR模型进行残差修正得到最终的预测结果。将预测结果与实际道路排放实验中使用PEMS设备测量的实际值进行比较,实验结果表明,本文所建立的XGBoost-SVR排放预测模型能较好的预测GDI汽油车瞬时CO和PN的排放,相比单一的XGBoost模型,RMSE分别提高了22.9%和39.7%,决定系数R2均大于0.9,支持预测结果的可靠性。该模型对监测高原环境下GDI汽油车实际道路排放具有一定的工程意义。
查看