基于数据挖掘的汽车耐候性预测算法研究

摘要：

目的 利用少量的整车自然暴露试验数据训练机器学习模型,预测全年自然环境下汽车部件表面温度变化.方法 提取影响汽车部件温度变化的关键特征作为模型的输入变量,而汽车部件温度作为输出变量.将汽车在琼海冬天和夏天各一个月的试验数据训练模型,其余月份数据测试模型性能.结果 神经网络、梯度提升机、随机森林等机器学习模型对汽车部件表面温度预测均有较好的结果.模型的预测值与真实值的平均绝对误差为2度左右,对应的拟合优度R2均大于0.9.结论 仅利用冬天和夏天各一个月的试验数据训练机器学习模型,便可构建较为可靠的预测模型,可预测汽车部件在全年气象环境下的温度变化情况.

关键词：数据挖掘、神经网络、机器学习、自然暴露试验、预测模型

所属期刊栏目：40

分类号：U467.1+3(汽车工程)

资助基金：科技部科技基础资源调查专项2019FY101400

在线出版日期：2022-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：130-135