基于维度规约的快速路全时段排放模型适应性研究

针对城市快速路汽车污染物排放控制需要,紧扣不同排放模型在映射不同时段排放影响因素与排放率关系方面的差异,以排放测试车辆实际工况排放序列为数据源,分别将反向传播神经网络(Back Propagation Neural Network, BPNN)、广义回归神经网络(General Regression Neural Network, GRNN)和径向基函数神经网络(Radial Basis Function, RBFNN)与平均影响值(Mean Impact Value, MIV)方法相结合,构建维度规约模型。以95%累计贡献率为阈值对排放预测模型输入维度进行降维的基础上,分析神经网络在维度规约前后在不同时段的预测污染物排放率适应性。结果表明：维度规约后BPNN和GRNN模型的R2及MSE在全时段排放数据集中的预测性能提升1.19%、10.14%、6.51%、15.56%,RBF模型对维度规约不敏感;全时段GRNN模型的R2和其余两个模型相比提高10.18%和7.68%,MSE和其余两个模型相比降低0.0396和0.0446,同时MAPE显著降低7.38%和3.86%,揭示GRNN模型在...