欢迎来到中国内燃机学会

会议论文检索
高级检索
基于字典学习增量降维的混合动力汽车NOx排放因子快速高效预测
【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】
【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