基于优化的深度极限学习机的柴油车NO_%28x%29排放预测.pdf

基于优化的深度极限学习机的柴油车 排放预测李勇志胡磬遥任洪娟黄成(上海工程技术大学机械与汽车工程学院上海 上海市环境科学研究院国家环境保护城市大气复合污染成因与防治重点实验室上海)摘 要:用麻雀搜索算法优化的深度极限学习机()构建柴油车 排放预测模型对柴油车低速、中速和高速状态下的 排放进行预测并将此模型性能与深度极限学习机()模型性能进行对比分析 结果表明:模型的预测效果较好在低速、中速、高速状态下该模型平均绝对百分比误差 分别为.、.、在低速、中速、高速状态下 模型的性能评价指标比 模型性能评价指标分别优约、关键词:重型柴油车麻雀搜索算法深度极限学习机排放预测中图分类号:文献标志码:文章编号:()收稿日期:修订日期:基金项目:上海市科技计划“上海大气颗粒物和臭氧精细化监测预报及关键前提污染物防控关键技术研究与应用示范”基金资助项目()上海市 年度“科技创新行动计划”科技支撑碳达峰碳中和专项“城市货运交通碳排放实时计算与监测关键技术研究与示范”基金资助项目()作者简介:李勇志()男山东临沂人在读研究生研究方向为柴油车尾气排放与控制通信作者:胡磬遥:.():().().:是大气污染物的主要成分之一且 生成机理复杂想通过测量获得不同行驶工况条件下的 排放浓度并进行 排放预测就需要做大量的试验以数据驱动为基础的 排放预测以其低成本且具有高度非线性拟合能力的优势得到广泛应用 国内外学者运用不同的神经网络模型对车辆 排放进行预测研究数据的获得多依靠台架试验 实际道路工况更加复杂多变且会受多种外界因素的影响应用上述模型对实际道路上的 排放进行预测效果很难达到理想状况故须构建一种适用于实际道路 排放预测的模型今依托重型柴油车排放远程在线监控平台和重型柴油车定位监控系统采集实际道路上的车辆第 卷 第 期环境监测管理与技术 年 月运行信息(车速、发动机燃料流量、发动机净输入扭矩比、发动机转速、选择性催化还原技术 入口温度)和排放信息(浓度)运用麻雀搜索算法优化的深度极限学习机以车速、发动机燃料流量、发动机净输入扭矩比、发动机转速、入口温度为输入浓度为输出训练得到预测模型并用该模型对柴油车 排放进行预测结果令人满意 数据采集与研究方法 数据采集及处理远程在线监控终端设备主要包括发动机信息解析系统、远程通讯系统、定位系统 数据采集步骤见图 通过发动机信息解析系统和定位系统获得车辆运行信息、车速信息及定位信息远程通讯系统将采集的信息发送到数据存储平台通过访问服务器客户端获得所需车辆的信息 选择两辆运行状况正常的集卡车收集两辆集卡车辆信息:车牌号分别为沪、沪 发动机生产商为东风雷诺发动机型号为 功率为 排量为 将远程在线监控终端设备与车内 接口相连接采集其 年 月运行时的实时数据共 条将采集的数据进行预处理对异常值、缺失值进行删除处理经过预处理后数据量变为 条部分数据见表 由于模型预测精度和收敛速度受到数据量纲及值域的影响为保证模型的预测精度及收敛速度在训练开始之前对数据进行归一化处理 归一化公式如下:()式中:为处理后的数据 为整个数据的最大值 为整个数据的最小值 为样本的原数据图 数据采集步骤.表 部分试验数据 车速/()发动机净输入扭矩比/发动机转速/发动机燃料流量/()入口温度/排放体积分数 /逐秒排放量/()用麻雀搜索算法优化的深度极限学习机深度极限学习机相当于多个极限学习机连接而得到的深度学习网络深度极限学习机初始化由极限学习机的输出权重实现 极限学习机训练时只须用最小二乘法计算输出层的权重和阈值输入层权重和阈值随机形成这就使得深度极限学习机的预测结果存在较大的波动性预测精度也会受到一定的影响故采用麻雀搜索算法对输入层权重和第 卷 第 期李勇志等.基于优化的深度极限学习机的柴油车 排放预测 年 月阈值的获取过程进行优化 优化流程为:初始化麻雀搜索算法各参数计算所有麻雀的适应度值并选出当前最优适应度值和最差适应度值及其分别对应的位置随机获得负责预警的麻雀个数进行一次迭代后重新计算所有麻雀的适应度值并更新侦察者、加入者和发现者的位置信息通过种群当前状态不断更新整个种群的最优位置、最差位置及适应度值判断是否达到最大迭代次数或者求解条件若是则输出最优值若不是则返回步骤将获得的结果输入深度极限学习机模型 模型性能评价指标为验证上文所建模型的预测精度计算模型的平均绝对百分比误差、平均绝对误差、均方误差 对模型的性能进行评价计算公式为()()()()()()式中:为实际 浓度为预测的 浓度 为样本数 结果与讨论基于麻雀搜索算法优化的深度极限学习机对柴油车实际道路中不同速度区间的 排放进行预测对不同速度区间实际排放数据与预测排放数据之间的差异进行研究并对传统的深度极限学习机的预测结果与麻雀算法优化的深度极限学习机的预测结果进行对比分析 为更加直观对比分析不同速度状态下的预测效果每种速度状态下均选 个预测结果进行制图 模型预测结果分析以低速状态下的样本作为数据源选其 作为训练集对麻雀搜索算法优化的深度极限学习机模型进行训练用训练好的模型对测试集进行预测结合模型性能评价指标对模型进行分析低速状态下预测结果见图()由图()可见 模型对低速状态下柴油车排放的 的预测值略低于实际值可能是受到道路交通环境的影响使得采集的数据存在一定波动性进而使得模型预测存在一定误差 整体上预测值与真实值拟合程度较高用模型评价指标、对模型的精度进行定量分析该模型在低速状态下预测 浓度的 为 为 为 以中速状态下样本作为数据源与低速状态下构建模型方式相同构建中速状态下预测模型并对进行预测中速状态下预测结果见图()由图()可见 对中速状态下柴油车排放的 预测结果较好真实值与预测值十分接近 用模型评价指标、对模型的精度进行定量分析该模型在中速状态下预测浓度的 为 为 为 以高速状态下的样本作为数据源与低速状态下构建模型方式相同构建高速状态下预测模型并对 进行预测高速状态下预测结果见图()由图()可见 模型对高速状态下柴油车 排放进行预测的预测值与真实值吻合度较高可能是由于高速状态一般出现在道路交通环境较好的时候此时车辆运行状况比较稳定所采集的样本数据也比较稳定故模型预测效果较好 图 不同速度状态下的 预测结果.第 卷 第 期李勇志等.基于优化的深度极限学习机的柴油车 排放预测 年 月计算模型评价指标、对模型的精度进行定量分析该模型在高速状态下预测 浓度的 为 为 为 模型预测结果与 模型预测结果对比为进一步对 模型性能进行评价用 模型对柴油车低速状态、中速状态和高速状态进行 排放预测并与 模型的预测结果进行对比分析 模型评价指标、和 对比结果见表 由表 可知各速度状态下的 模型预测结果比 模型预测结果更好误差相对较小 低速状态下 模型的性能评价指标比 性能评价指标优约 中速状态下 模型的性能评价指标比 模型的性能评价指标优约高速状态下 模型的性能评价指标比 模型的性能评价指标优约 表 模型和 模型性能评价指标对比 状态模型/低速 中速 高速 结语采用 模型对实际道路不同速度状态下的柴油车 排放进行预测 由预测结果图及模型性能评价指标得出:模型的预测效果较好 对比 模型与 模型的预测结果及性能评价指标发现 模型的预测误差明显低于 模型 的预测精度相较于 模型有较大提升 综上所述 模型为不同速度状态下的实际道路柴油车 排放预测提供了新思路可为排放清单的建立和区域 排放控制提供技术支撑参考文献 中华人民共和国生态环境部.中国移动源环境管理年报().北京:中华人民共和国生态环境部.刘登国刘娟黄伟民等.长三角典型城市公交车道路 排放测试.环境监测管理与技术():.刘登国刘娟黄伟民等.基于交通信息的道路机动车排放模拟研究.环境监测管理与技术():.常英杰陆宪忠王世龙等.基于 回归的 柴油机排放模型.内燃机学报():.胡杰林峰王天田等.基于神经网络偏最小二乘法的柴油机 排放预测模型.内燃机学报():.孙思远黄朝霞徐虎等.基于 的船舶柴油机 排放预测.集美大学学报(自然科学版)():./.:.吐尔逊买买提赵梦佳宁成博等.基于深度极限学习机的柴油机尾气排放预测.科学技术与工程():.左付山李政原吕晓等.基于 神经网络的汽油机尾气排放预测.江苏大学学报(自然科学版)():.李捷辉周大伟段畅.神经网络在双燃料发动机排放预测中的应用.机械设计与制造():.冀树德高华伟邬旭宏等.基于多因素神经网络模型的柴油机 排放预测及试验研究.车用发动机():.毛清华张强.融合柯西变异和反向学习的改进麻雀算法.计算机科学与探索():.吕鑫慕晓冬张钧.基于改进麻雀搜索算法的多阈值图像分割.系统工程与电子技术():.汤安迪韩统徐登武等.基于混沌麻雀搜索算法的无人机航迹规划方法.计算机应用():.李雅丽王淑琴陈倩茹等.若干新型群智能优化算法的对比研究.计算机工程与应用():.曾亮雷舒敏王珊珊等.基于 模型的超短期风电功率预测方法.电网技术():.郭映映齐贺香李素文等.基于粒子群算法的 神经网络在大气 浓度预测中的应用研究.大气与环境光学学报():.余成洲李勇白云.基于集合经验模态分解和支持向量机的溶解氧预测.环境监测管理与技术():.本栏目编辑 吴珊第 卷 第 期李勇志等.基于优化的深度极限学习机的柴油车 排放预测 年 月