基于机动车排放数据的城市大气环境指标预警方法及系统技术方案

本发明专利技术公开了一种基于机动车排放数据的城市大气环境指标预警方法及系统，包括S100：采样得到的大量机动车尾气排放数据，对机动车尾气排放数据进行预处理，得到预处理后的机动车尾气排放数据集；S200：采用二模型融合方法将神经网络和支持向量机算法进行融合，获得机动车NOx浓度反演融合模型；S300：利用预处理好的机动车尾气排放数据集训练NOx浓度反演融合模型，提取汽车尾气数据特征，将低层的细粒度特征与高层的粗粒度特征相融合以减少特征的丢失与网络层数增多可能带来的过拟合问题，并输出NOx浓度是否超标的预测结果。本发明专利技术的方法，训练效果更好，模型收敛更快、实时性高、鲁棒性好，真实性与准确性较高。真实性与准确性较高。真实性与准确性较高。

【技术实现步骤摘要】
基于机动车排放数据的城市大气环境指标预警方法及系统


[0001]本专利技术属于紧固设备
，更具体地，涉及一种基于机动车排放数据的城市大气环境指标预警方法及系统。

技术介绍

[0002]随着经济的不断进步和生活水平的提高，居民对于出行需求更加渴望，我国汽车产销量飞速增长，目前我国购买机动车的个人及家庭越来越多，每年以百分之十的速度递增。随着我国机动车保有量的增加，机动车尾气造成的环境污染日趋严重。机动车排出的污染物主要包括：CO、C02、NO、N02、硫化物和微粒物PM2．5，直接侵袭人的呼吸器官，严重危害公众健康。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。NO和N02统称为氮氧化物NOx，是机动车排放尾气的重要组成物。快速、准确、连续在线地监测NOx的浓度，才能便于环保部门进行有效的监管和执法，而长期监测获得的机动车尾气的大数据可以提供城市大气环境指标，更能为政府部门进行环境保护提供依据。监测机动车排出的NOx浓度对于评估机动车尾气排放水平，保护城市大气环境具有极其重要的意义。r/>[0003]目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机动车排放数据的城市大气环境指标预警方法，其特征在于，包括如下步骤：S100：采样得到的大量机动车尾气排放数据，对机动车尾气排放数据进行预处理，得到预处理后的机动车尾气排放数据集；S200：采用二模型融合方法将神经网络和支持向量机算法进行融合，获得机动车NOx浓度反演融合模型；S300：利用预处理好的机动车尾气排放数据集训练NOx浓度反演融合模型，神经网络部分用于提取汽车尾气数据特征，将低层的细粒度特征与高层的粗粒度特征相融合以减少特征的丢失与网络层数增多可能带来的过拟合问题，支持向量机用于接收神经网络输出，并输出NOx浓度是否超标的预测结果。2.根据权利要求1所述的一种基于机动车排放数据的城市大气环境指标预警方法，其特征在于，步骤S200中，所述NOx浓度反演融合模型包括如下步骤：S201：对所述机动车尾气排放数据集进行预处理获得对NOx浓度影响显著的尾气特征作为融合模型的输入参数，下一时刻的氮氧化物排放量及氮氧化物排放量是否超标的预测结果作为融合模型的输出参数；S202：采用深层神经网络结构提取车辆尾气数据信息，经过输入层、隐藏层、输出层等多层次结构，输出层输出NOx浓度值；S203：根据所述机动车尾气排放数据集不为负值特性确定神经网络的激活函数；S204：将通过神经网络提取到的高层特征进行上采样逐层传递到低层，与低层特征进行融合后输出结果，再将低层的输出结果下采样逐层传递到高层，将高层原有信息与经过下采样传递上来的信息融合再进行输出，由此以实现低层特征与高层特征的有效融合；S205：根据所述NOx浓度反演融合模型中NOx浓度是否超标的预测部分确定支持向量机模型的超参数；S206：将机动车尾气排放数据集进行分组，一部分作为训练集，一部分作为验证集，另一部分作为测试集，用训练集对融合模型进行训练，使用随机梯度下降方法进行融合模型参数更新，再利用验证集来调整超参数，使用测试集测试训练得到的模型；S207：承接深层神经网络全连接层的输出作为支持向量机的输入并建立分类模型，输出NOx浓度是否超标的预测结果。3.根据权利要求2所述的一种基于机动车排放数据的城市大气环境指标预警方法，其特征在于，步骤S201中，所述输入参数为D
NN
数据集：D
NN
={fuel specifications，speed，acceleration，driving mode，reference weight，engine coolant temperature，engine speed, engine fuel consumption，engine torque，CO,CH,NO
X
}其中，fuel specifications为车辆燃油规格、speed为车辆速度、acceleration为车辆加速度、driving mode为车辆驱动方式、reference weight为车辆基准重量、engine coolant temperature为发动机冷却液温度、Engine speed为发动机转速、engine fuel consumption为发动机燃油消耗率、engine torque为发动机扭矩、CO为一氧化碳、CH为碳氢化合物、NO
X
为氮氧化物。4.根据权利要求3所述的一种基于机动车排放数据的城市大气环境指标预警方法，其
特征在于，步骤S204中，神经网络低层特征与高层特征的融合过程包括：S2041：神经网络的输入为D
NN
数据集；S2042：对数据集中的缺失数据进行补充，对特征维度中的各个特征进行均值归一化处理；S2043：通过一系列卷积和上采样操作，获取适用于特征融合的特征图大小，采用RelU激活函数对卷积层1的输出进行非线性映射，并采用最大池化方式进行池化处理，输入为特征图16X16，依次经过卷积层1，RelU1，池化层1，得到8X8大小的输出；S2044：对步骤S2...

【专利技术属性】
技术研发人员：钱枫，程书瑾，王超，许小伟，王洁，邓明星，祝能，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：