基于随机森林和优化GRU算法的柴油机NOx预测

以尿素为还原剂的选择性催化还原(SCR)技术是降低柴油车NOx排放的主要途径，而实现NOx的精准预测是实现对SCR精准控制的前提，文章提出使用随机森林结合门控循环单元(GRU)的方法对NOx进行预测。针对NOx生成因素的复杂性，使用随机森林进行特征选取，选取对结果影响大的特征，并构建基于优化门控单元的NOx的预测模型。实验结果显示，在瞬态与稳态工况下使用随机森林结合GRU的预测结果的均方误差分别为66.419×10^-6与63.423×10^-6，证明模型具有较高的精准度以及良好的泛化能力。