基于优化的深度极限学习机的柴油车NOx排放预测

摘要：

用麻雀搜索算法优化的深度极限学习机(SSA-DELM)构建柴油车NOx 排放预测模型,对柴油车低速、中速和高速状态下的NOx排放进行预测,并将此模型性能与深度极限学习机(DELM)模型性能进行对比分析.结果表明:SSA-DELM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MAPE分别为0.061 0、0.044 9、0.039 1;在低速、中速、高速状态下SSA-DELM模型的性能评价指标比DELM模型性能评价指标分别优约23％、44％、11％.

关键词：NOx、重型柴油车、麻雀搜索算法、深度极限学习机、排放预测

所属期刊栏目：35

分类号：X511(大气污染及其防治)

资助基金：上海市科技计划;臭氧精细化监测预报;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;上海市科技创新行动计划;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

在线出版日期：2023-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：53-56