【技术实现步骤摘要】
一种基于支持向量回归的车辆尾气浓度反演方法
本专利技术涉及一种基于支持向量回归的车辆尾气浓度反演方法,属于车辆尾气浓度检测与估计和模式识别领域。
技术介绍
在2016年底,我国机动车保有量达2.9亿辆,其中有1.94亿辆汽车。而且机动车保有量还在持续快速地增长。城市中,大量的机动车辆排放的尾气污染物会形成光学烟雾,加剧温室效应,造成污染空气,诱发多种呼吸道疾病。为了控制机动车辆的污染物排放,不仅要改进汽车制造工艺,还要提高城市尾气监控技术。而机动车尾气排放造成的空气污染与气象条件(如风速,风向,温度等)及车辆自身信息密切相关。所以研究不同驾驶模式下车辆CO、CO2等尾气排放浓度的反演预测是很有理论意义与实用价值的。目前,在车辆尾气浓度反演与检测方面,国内外研究者做了很多工作,提出很多方法。文献[1]-[3]([1]MerkiszJ,PielechaJ,FucP,etal.TheanalysisofthePEMSmeasurementsoftheexhaustemissionsfromcitybusesusingdifferentresearchprocedures[C]//VehiclePowerandPropulsionConference(VPPC),2012IEEE.IEEE,2012:903-907.,[2]KousoulidouM,FontarasG,NtziachristosL,etal.Useofportableemissionsmeasurementsystem(PEMS)forthedevelopmentandvalidationofpa ...
【技术保护点】
一种基于支持向量回归的车辆尾气浓度反演方法,其特征在于步骤如下:Step1:将车辆尾气遥感监测数据与车辆环检数据分别从相应数据库导入csv文件,再导入高级数据结构DataFrame;Step2:基于车牌号码对车辆尾气遥感监测数据与车辆环检数据进行映射融合,形成初始尾气分析数据;Step3:对初始尾气分析数据进行特定字段的筛选,保留车辆燃油规格、是否有催化转化器、排气后处理装置、驱动方式等4个字符串属性字段,并保留车辆速度、加速度、比功率、不透光烟度、温度、湿度、风速、风向角度、车辆基准质量、发动机排量、激光吸收光谱反演初始CO尾气浓度、激光吸收光谱反演初始CO2尾气浓度等12个数值型属性字段,清洗其他无关属性字段;清洗缺省尾气记录;Step4:对Step3处理后的尾气数据记录中的字符串属性字段,使用OneHot方法进行向量化处理,对数值属性字段的异常值进行边界插值或过滤,将处理后的数值属性字段范围缩放至(‑1,1);Step5:将经过上述处理的尾气数据,按照9:1的比例分为尾气训练数据集与尾气测试数据集;Step6:使用尾气训练数据集来训练SVR尾气浓度反演模型,为了防止所建立的模型过 ...
【技术特征摘要】
1.一种基于支持向量回归的车辆尾气浓度反演方法,其特征在于步骤如下:Step1:将车辆尾气遥感监测数据与车辆环检数据分别从相应数据库导入csv文件,再导入高级数据结构DataFrame;Step2:基于车牌号码对车辆尾气遥感监测数据与车辆环检数据进行映射融合,形成初始尾气分析数据;Step3:对初始尾气分析数据进行特定字段的筛选,保留车辆燃油规格、是否有催化转化器、排气后处理装置、驱动方式等4个字符串属性字段,并保留车辆速度、加速度、比功率、不透光烟度、温度、湿度、风速、风向角度、车辆基准质量、发动机排量、激光吸收光谱反演初始CO尾气浓度、激光吸收光谱反演初始CO2尾气浓度等12个数值型属性字段,清洗其他无关属性字段;清洗缺省尾气记录;Step4:对Step3处理后的尾气数据记录中的字符串属性字段,使用OneHot方法进行向量化处理,对数值属性字段的异常值进行边界插值或过滤,将处理后的数值属性字段范围缩放至(-1,1);Step5:将经过上述处理的尾气数据,按照9:1的比例分为尾气训练数据集与尾气测试数据集;Step6:使用尾气训练数据集来训练SVR尾气浓度反演模型,为了防止所建立的模型过于复杂而引起过拟合现象,使用5折交叉验证方法建立SVR尾气浓度反演模型,即将占整体数据集90%的尾气训练数据集再随机划分为5等份,分别将每一等份数据作为验证集,其余作为训练集,交叉验证重复5次,并将5个子模型输出的平均值作为SVR尾气浓度反演模型的输出结果,即相应的CO或CO2尾气浓度反演结果,再向训练好的SVR尾气浓度反演模型输入待检测车辆尾气数据信息,即可精确快速地反演预测出待检测车辆CO、CO2尾气浓度;交叉验证时的各个子模型数学形式皆可表示为:其中x为所述模型输入,即经过Step4处理后的车辆燃油规格、是否有催化转化器、排气后处理装置、驱动方式、车辆速度、加速度、比功率、不透光烟度、温度、湿度、风速、风向角度、车辆基准质量、发动机排量、激光吸收光谱反演初始CO尾气浓度、激光吸收光谱反演初始CO2尾气浓度等尾气数据特征,f(x)为所述子模型输出的CO或CO2尾气反演浓度,l是训练所述子模型所使用的尾气训练集样本点的数量,xi是训练所述子模型所使用的第i个尾气样本点数据,i=1,2,...,l,αi,是拉格朗日因子,K(xi,x)是高斯核函数,K(xi,x)=exp(-γ||xi-x||2),γ>0,γ为常数,b为偏置向量。2.根据权利要求1所述的一种基于支持向量回归的车辆尾气浓度反演方法,其特征在于:所述Step6中,SVR尾气浓度反演子模型的数学表达形式为在尾气训练集数据上构造及求解这个表达式过程如下:(61)首先将Step6所述模型输入x通过高斯映射映射到无穷维特征空间,在此空间中构造最优化线性超平面,期望输出为由燃烧方程反解得到的CO、CO2尾气浓度,再求解回归数学模型:f(x)=WTΦ(x)+b其中x为Step6所述模型输入的尾气数据特征,W是权重向量,Φ(x)是将输入变量x映射到高维空间的高斯映射函数,γ>0,γ为常数,b是偏置向量,训练模型时f(x)为所述模型的期望输出,即由燃烧方程反解的得到CO或CO2尾气浓度;(62)由线性代数中的点到超平面距离关系将回归模型转化为求解带约束的凸优化问题:subjectto((WT·Φ(xi))+b)-yi≤ε+ξi其中,C为正则化参数,ε为回归残差,v为不敏感损失系数影响因子,且0≤v≤1,l是尾气训练集样本点的数量,ξi,是松弛变量,yi是第i个尾气样本...
【专利技术属性】
技术研发人员:凌强,张强,李峰,康宇,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。