【作者】

王珑迪; 何超

【单位】

西南林业大学

【摘要】

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。

【关键词】

高原;缸内直喷汽油车;PEMS;排放预测;XGBoost-SVR组合模型

【论文集名称】

高原/高寒及特种发动机

【会议名称】

内燃机“高效、低碳、清洁燃烧”国际学术研讨会

【会议时间】

2022-8-11至2022-8-14

【会议地点】

昆明

【下载次数】

0

返回