文档名：基于动态改进遗传粒子群BP的重型车Nox排放预测模型研究
摘要：为了降低重型车NOx排放速率监测控制中OBD设备异常采集数据和数据耦合问题的影响,基于BP神经网络建立了排放预测模型.为了提高预测模型的准确性,引入了遗传粒子群组合算法,并对其进行动态改进,同时利用PCA分析提取数据特征.结果表明:对比传统遗传算法和粒子群算法,动态改进的遗传粒子群组合算法在适应度函数上提升了5.75％和3.37％;与其他9种预测模型相比,动态改进后的遗传粒子群-BP网络在评价指标MASE、RMSE和R2上表现最优,MASE、RMSE分别为0.024和0.0336,R2为0.951,预测结果与原始数据基本吻合,所建预测模型具有较高的预测准确性.
作者：钱枫 马骋 祝能 王明达 王继广 许小伟 Author：QIANFeng MACheng ZHUNeng WANGMingda WANGJiguang XUXiaowei
作者单位：武汉科技大学汽车与交通工程学院,湖北武汉430081中国环境科学研究院,北京100012中国汽车技术研究中心,天津300300
刊名：车用发动机 ISTICPKU
Journal：VehicleEngine
年，卷(期)：2023, (5)
分类号：TK421.5
关键词：神经网络 遗传算法 粒子群算法 氮氧化物 预测模型
Keywords：neuralnetwork geneticalgorithm particleswarmalgorithm nitrogenoxides predictionmodel
机标分类号：U464.172TH16X511
在线出版日期：2023年11月20日
基金项目：国家自然科学基金，湖北省自然科学基金青年项目，湖北省重点研发计划基于动态改进遗传粒子群-BP的重型车Nox排放预测模型研究[
期刊论文] 车用发动机--2023, (5)钱枫 马骋 祝能 王明达 王继广 许小伟为了降低重型车NOx排放速率监测控制中OBD设备异常采集数据和数据耦合问题的影响,基于BP神经网络建立了排放预测模型.为了提高预测模型的准确性,引入了遗传粒子群组合算法,并对其进行动态改进,同时利用PCA分析提取数据特...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于动态改进遗传粒子群-BP的重型车Nox排放预测模型研究 NOx Emission Prediction Model of Heavy-Duty Vehicle Based on Dynamic Improved Genetic Particle Swarm-BP Network
基于动态改进遗传粒子群-BP的重型车Nox排放预测模型研究.pdf
- 文件大小:
- 3.54 MB
- 下载次数:
- 60
-
高速下载
|
|
