【作者】

陈好; 陈嘉楠; 赵霏阳; 于文斌

【单位】

山东大学

【摘要】

降维因其在降低数据维度的同时保留关键信息的能力，已成为目前常用的数据预处理方法之一。为了构建精细化的修正系数从而提升混合动力汽车的NOx排放预测性能，提出了一种将基于字典学习的增量降维技术与SuperLearner回归相结合的系统方法，基于实际驾驶排放（Real Drive Emission，RDE）测试获取的多元变量数据预测NOx排放因子（EFNOx）修正系数。具体而言，首先使用t分布随机邻域嵌入（t-Distributed Stochastic Neighbor Embedding，t-SNE）降维技术对数据进行降维处理，提取关键特征参数，简化计算；随后，基于获得的t-SNE低维嵌入使用基于字典学习的增量降维方法，通过简单矩阵运算将增量数据高效映射至低维空间；同时利用t-SNE低维嵌入训练SuperLearner回归模型，用于预测EFNOx修正系数。最后，利用独立RDE数据集对所提出的方法进行性能验证。结果显示，参数K提升至1±0.05，R2提升至0.995，为快速增量降维与高精度修正系数预测奠定了基础。

【关键词】

混合动力汽车;实际驾驶排放;排放因子;降维;字典学习

【论文集名称】

汽油机气体机分会

【会议名称】

2025内燃机高效低碳清洁燃烧学术年会

【会议时间】

2025-6-12至2025-6-15

【会议地点】

镇江

【下载次数】

2

返回