【作者】

胡杰; 廖健雄; 陈鹏; 朱磊; 吴彦; 蔡之洲; 颜伏伍

【单位】

武汉理工大学;

【摘要】

为了更为准确及快速的预测柴油机瞬时排放特性，提出了基于时序卷积神经网络（temporal convolutional networks，TCN）的排放特性预测模型。首先基于随机森林算法进行了模型输入选取以降低输入数据维度。然后基于选择后的输入在世界统一瞬态循环（World Harmonized Transient Cycle，WHTC）对模型进行了训练同时讨论了不同的超参数对模型性能的影响。最后利用粒子群优化算法（particle swarm optimization，PSO）对模型超参数进行了自动寻优。试验结果表明优化后的TCN模型在训练集和验证集上其相关系数R2分别均在0.972和0.941以上。此外TCN模型在世界统一稳态循环（World Harmonized Steady Cycle，WHSC）上进行了泛化性验证，其R2平均值为0.936，证明了TCN模型拥有极好的鲁棒性。同时还将TCN与其他预测模型进行了对比研究，结果表明TCN模型在预测精度和计算耗时的综合表现方面显得更具优势性。

【关键词】

柴油机;随机森林;时序卷积神经网络;排放特性预测

【论文集名称】

墙报交流

【会议名称】

内燃动力碳中和与排放控制学术年会（2023）

【会议时间】

2023-7-17至2023-7-20

【会议地点】

无锡

【下载次数】

6

返回