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 |
| |
引用本文: | 钱枫,马骋,祝能,王明达,王继广,许小伟.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[J].车用发动机,2023(5):63-71. |
| |
作者姓名: | 钱枫 马骋 祝能 王明达 王继广 许小伟 |
| |
作者单位: | 1. 武汉科技大学汽车与交通工程学院;2. 中国环境科学研究院;3. 中国汽车技术研究中心 |
| |
基金项目: | 国家自然科学基金项目(51975426);;湖北省自然科学基金青年项目(2022CFB730); |
| |
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0.033 6,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。
|
关 键 词: | 神经网络 遗传算法 粒子群算法 氮氧化物 预测模型 |
|
|