基于改进注意力双向长短期记忆网络的道路机动车尾气排放预测方法技术

本发明专利技术公开了一种改进注意力双向长短期记忆网络的道路机动车尾气排放预测方法，包括：1、利用PEMS和OBD检测设备共同采集机动车尾气排放数据；2、对尾气排放数据集进行缺失数据补偿和归一化预处理；3、建立改进Attention‑Bi‑LSTM注意力双向长短期记忆网络模型；4、采用预实验确定模型的超参数；5、采用自适应学习率算法优化模型参数，完成预测模型训练。本发明专利技术能充分考虑影响道路机动车尾气排放的各特征因素，提高尾气排放预测精度并具有较大的适用范围，从而能有效缩短PEMS尾气排放测试时间，降低人力、资源和时间成本的消耗。

【技术实现步骤摘要】
基于改进注意力双向长短期记忆网络的道路机动车尾气排放预测方法
本专利技术涉及道路机动车尾气排放预测算法
，尤其是一种基于改进双向长短期记忆网络的实际道路污染物排放预测方法。
技术介绍
近年来全国机动车保有量迅猛增长，致使道路机动车尾气排放成为污染城市环境的主要因素之一，采取行之有效的道路机动车尾气排放监控手段，对于改善城市空气质量具有重要的意义。目前，针对道路机动车尾气排放监控的常用方法，主要有：底盘测功法、隧道测试法、激光遥测法、烟羽追逐测量法、车载便携式排放(PortableEmissionMeasurementSystem,PEMS)测量法。底盘测功法的实验结果无法反映机动车的实际道路排放情况，隧道测试法受制于特殊的地理环境条件，激光遥测法易受到外界环境干扰，测量准确率不高，烟羽追逐测量法需要实验车辆搭载测试设备跟踪追逐待测车辆，测量方式虽易于执法，但准确度不及车载尾气检测设备测量法。PEMS作为机动车尾气道路检测中，最精确的测量方式，已被我国环境保护部和国家质检总局写入国家第六阶段机动车污染物排放标准中，作为新型车辆上路前本文档来自技高网...

【技术保护点】
1.一种基于改进注意力双向长短期记忆网络的道路机动车尾气排放预测方法，其特征包括：/n步骤1、利用PEMS检测设备和OBD车载诊断系统共同采集道路机动车在p天的尾气排放数据，且每天采集q个工况的数据，每个工况采集时间为T，从而得到包含m个特征的n＝p×q×T条尾气排放数据集，记为D

【技术特征摘要】
1.一种基于改进注意力双向长短期记忆网络的道路机动车尾气排放预测方法，其特征包括：
步骤1、利用PEMS检测设备和OBD车载诊断系统共同采集道路机动车在p天的尾气排放数据，且每天采集q个工况的数据，每个工况采集时间为T，从而得到包含m个特征的n＝p×q×T条尾气排放数据集，记为Dorigin＝(dij)n×m，其中，dij表示第i个采集时间下的第j个特征值；1≤i≤n；1≤j≤m；
步骤2、对尾气排放数据集Dorigin＝(dij)n×m进行缺失数据补偿和归一化的预处理，从而得到尾气排放特征矩阵，记为Dscaled＝(d′ij)n×m；其中，d′ij表示预处理后的第i个采集时间下的第j个特征值；将所述归一化后的数据集特征矩阵Dscaled划分为训练集Dtrain和验证集Dverify，其中，训练集Dtrain的特征维数为m-1，验证集Dverify的特征维数为1，且验证集Dverify为模型预测尾气排放数据的真实值；
步骤3、建立由输入层、隐藏层、Attention层、全连接层和输出层所组成的改进Attention-Bi-LSTM注意力双向长短期记忆网络模型，并初始化模型自身参数，定义时间步长为λ和预测时刻为t；
令所述Attention-Bi-LSTM注意力双向长短期记忆网络模型的输入层的数据结构为Dtrain＝{d(t-λ)j,...,dtj,…,d(t+λ)j},j＝1,2,…,m-1；dtj表示预测时刻t下的第j个特征值；
令所述Attention-Bi-LSTM注意力双向长短期记忆网络模型的隐藏层包括前向LSTM网络和后向LSTM网络；
所述前向LSTM网络的输入为dt-λ,…,dt…,dt+λ；dt表示预测时刻t下的m-1个特征值；
所述前向LSTM网络的前向状态输出为表示预测时刻t下的前向LSTM网络的隐藏层状态输出；
所述后向LSTM网络的输入为dt+λ,…,dt...,dt-λ；
所述后向LSTM网络的后向状态输出为表示预测时刻t下的后向LSTM网络的隐藏层状态输出；
令所述Attention-Bi-LSTM注意力双向长短期记忆网...

【专利技术属性】
技术研发人员：张玉钧，谢皓，何莹，尤坤，李潇毅，范博强，余冬琪，李梦琪，雷博恩，刘建国，刘文清，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34