一种基于碳中和的预测发动机寿命的方法及系统技术方案

本发明专利技术提出了一种基于碳中和的预测发动机寿命的方法及系统，涉及特征提取领域。包括对报废车辆的各发动机部件赋予唯一的编号，设置各发动机部件的相关参数，构建基于Q学习设计发动机维修决策模型；Q表训练好后，根据当前状态选择Q表中最大Q值对应的动作作为输出，获取发动机数据，发动机数据为发动机维修决策模型的相关参数，并将发动机数据分为显性数据集合和隐性数据集合，通过聚类分析指标获得共同网络行为特征的数据集合；计算群体中所有变量的综合标准差RMSSTD，计算聚类后群体间差异的大小R_Square；通过该模型计算结果与共同网络行为特征提取得到购买发动机部件的预测用户集合；能够实现车部件再生概率的评测。能够实现车部件再生概率的评测。能够实现车部件再生概率的评测。

【技术实现步骤摘要】
一种基于碳中和的预测发动机寿命的方法及系统


[0001]本专利技术涉及特征提取领域，具体而言，涉及一种基于碳中和的预测发动机寿命的方法及系统。

技术介绍

[0002]截至2020年，我国汽车保有量达2.81亿辆，按照国际5％的报废比例最低水平，预计2020年我国的报废汽车量将超过1400万量。但根据统计结果，我国2020年报废汽车回收拆解数量仅为206.6万辆，报废汽车回收率不足15％，其他大部分车辆违规重新进入偏远地区市场和非法拆装市场，这是我国报废汽车回收行业的症结所在，其根本原因在于报废车辆在正规车辆拆解厂体现的价值，得不到报废汽车所有人的认可。报废汽车在拆解后，一部分进行修复翻新(再制造)后回收再利用，一部分破碎后作为废金属和废塑料，出售给金属和塑料再生企业作为生产原料资源化，其他不能回收的部分作为废料焚烧或填埋处理，其中的经济价值依次递减。再制造是实现报废汽车最大化价值的主要途径，但再制造需要占用大量的拆解件库存。而为了实现报废车辆的最大化经济价值，减小报废汽车所有人的价值鸿沟，拆解厂需要一种能够实现对报废车的拆解件可再生的概率评测的智能方法及系统。

技术实现思路

[0003]本专利技术的目的在于提供一种基于碳中和的预测发动机寿命的方法，其能够实现对报废车的拆解件可再生的概率进行智能评测。
[0004]本专利技术的另一目的在于提供一种基于碳中和的预测发动机寿命的系统，其能够实现对报废车的拆解件可再生的概率进行智能评测。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本申请实施例提供一种基于碳中和的预测发动机寿命的方法，其包括如下步骤，步骤一、对报废车辆的各发动机部件赋予唯一的编号，设置各发动机部件的相关参数，构建基于Q增强学习算法设计发动机维修决策模型；其中Q值的更新公式如下：
[0007]Q(s
t
，a
t
)
←
Q(s
t
，a
t
)+α[r
t
+γmaxQ(s
t+1
，a)
‑
Q(s
t
，a
t
)]，式中，a为学习率；y为回报折扣率；s
t
为第t步时智能体所处状态；a
t
为第t步时智能体决策的动作；Q(s
t
，a
t
)为状态行为值函数；Q增强学习算法根据更新公式不断更新Q表直到Q表收敛；Q表设计为存储状态s和动作a对应Q值的矩阵；Q表训练好后，根据当前状态选择Q表中最大Q值对应的动作作为输出，状态动作值表示为：Q(s，a)＝[s，a]；步骤二、通过步骤一获取发动机数据，发动机数据为发动机维修决策模型的相关参数，并将上述发动机数据分为显性数据集合和隐性数据集合；通过聚类分析指标结合显性数据集合和隐性数据集合之间的网络行为特征，获得共同网络行为特征的数据集合；计算群体中所有变量的综合标准差RMSSTD，计算公式如下：其中，S
i
代表第i个变量在各群内的标准差之和；RMSSTD越小则聚类效
果越好；计算聚类后群体间差异的大小R_Square，计算公式如下：其中，W代表聚类分组后的各组内部的差异程度，B代表聚类分组后各组之间的差异程度，T代表聚类分组后所有数据对象总的差异程度，并且T＝W+B；R_Square取值范围为[0,11]，_Square越大则聚类效果就越好；B越大则同组内各对象间的差异W越小；通过如下公式计算：其中p表示变量指标的数量，n表示组员数量，表示总体平均值；通过该模型计算结果与上述共同网络行为特征的数据集合提取得到购买发动机部件的预测用户集合；步骤三、构建分类预测模型对可再用发动机评价数据集合进行预测，分类预测模型采用贝叶斯定理。
[0008]在本专利技术的一些实施例中，上述步骤一中，Q增强学习算法具体包括如下内容：1)设置相关参数；2)初始化Q表，迭代次数为episode＝0；3)随机初始化状态S
t
,t＝0；4)根据Q表选择动作a
t
；5)执行动作a
t
，获取下一个状态S
t+1
计算得到的回报r
t
；6)更新Q表；7)判断寿命件和单元体是否超过寿命，当判断为是时回到步骤3)进行多次迭代运算后，最终保存Q表；当判断为否时判断发动机是否到达全寿命，当判定为是时保存Q表；当判定为否时回到步骤4)进行多次迭代运算后，最终保存Q表。
[0009]在本专利技术的一些实施例中，上述步骤二中，上述显性数据包括用户点评、打分和评论数据；上述隐性数据包括用户点击行为、购买行为和搜索行为。
[0010]在本专利技术的一些实施例中，上述一种基于碳中和的预测发动机寿命的方法，步骤三中，构建上述分类预测模型包括，给定数据集里有m个分类类别，预测给定观察值是否属于具有最高后验概率的特定类别，当预测X属于类别C时，表示当且仅当：P(C
i
|X)＞P(C
j
|X)1≤j≤m,j≠i，此时，如果最大化P(C
i
|X)，其中P(C
i
|X)最大的类C
i
称为最大后验假设，根据贝叶斯定理得到：其中，P(X)对于所有的类别是均等的，最大化P(C
i
|X)时P(X|C
i
)P(C
i
)取最大值。
[0011]在本专利技术的一些实施例中，上述步骤三中、预测未知样本X的类别时，对每个类别C
i
估算得到相应的P(X|C
i
)P(C
i
)最大值：
[0012]P(C
i
|X)＞P(C
j
|X)1≤j≤m,j≠i。
[0013]第二方面，本申请实施例提供一种基于碳中和的预测发动机寿命的系统，其包括，
[0014]发动机评估模块：对报废车辆的各发动机部件赋予唯一的编号，设置各发动机部件的相关参数，构建基于Q增强学习算法设计发动机维修决策模型；其中Q值的更新公式如下：
[0015]Q(s
t
，a
t
)
←
Q(s
t
，a
t
)+α[r
t
+γmaxQ(s
t+1
，a)
‑
Q(s
t
，a
t
)]，式中，a为学习率；y为回报折扣率；s
t
为第t步时智能体所处状态；a
t
为第t步时智能体决策的动作；Q(s
t
，a
t
)为状态行为值函数；Q增强学习算法根据更新公式不断更新Q表直到Q表收敛；Q表设计为存储状态s和动作a对应Q值的矩阵；Q表训练好后，根据当前状态选择Q表中最大Q值对应的动作作为输出，状态动作值表示为：Q(s，a)＝[s，a]；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于碳中和的预测发动机寿命的方法，其特征在于，包括如下步骤，步骤一、对报废车辆的各发动机部件赋予唯一的编号，设置各发动机部件的相关参数，构建基于Q增强学习算法设计发动机维修决策模型；其中Q值的更新公式如下：Q(s
t
，a
t
)
←
Q(s
t
，a
t
)+α[r
t
+γmax Q(s
t+1
，a)
‑
Q(s
t
，a
t
)]，式中，a为学习率；y为回报折扣率；st为第t步时智能体所处状态；at为第t步时智能体决策的动作；Q(s
t
，a
t
)为状态行为值函数；Q增强学习算法根据更新公式不断更新Q表直到Q表收敛；Q表设计为存储状态s和动作a对应Q值的矩阵；Q表训练好后，根据当前状态选择Q表中最大Q值对应的动作作为输出，状态动作值表示为：Q(s，a)＝[s，a]；步骤二、通过步骤一获取发动机数据，发动机数据为发动机维修决策模型的相关参数，并将所述发动机数据分为显性数据集合和隐性数据集合；通过聚类分析指标结合显性数据集合和隐性数据集合之间的网络行为特征，获得共同网络行为特征的数据集合；计算群体中所有变量的综合标准差RMSSTD，计算公式如下：其中，S
i
代表第i个变量在各群内的标准差之和；RMSSTD越小则聚类效果越好；计算聚类后群体间差异的大小R_Square，计算公式如下：其中，W代表聚类分组后的各组内部的差异程度，B代表聚类分组后各组之间的差异程度，T代表聚类分组后所有数据对象总的差异程度，并且T＝W+B；R_Square取值范围为[0,11]，R_Square越大则聚类效果就越好；B越大则同组内各对象间的差异W越小；通过如下公式计算：其中p表示变量指标的数量，n表示组员数量，表示总体平均值；通过该模型计算结果与所述共同网络行为特征的数据集合提取得到购买发动机部件的预测用户集合；步骤三、构建分类预测模型对可再用发动机评价数据集合进行预测，分类预测模型采用贝叶斯定理。2.如权利要求1所述的一种基于碳中和的预测发动机寿命的方法，其特征在于，步骤一中，Q增强学习算法具体包括如下内容：1)设置相关参数；2)初始化Q表，迭代次数为episode＝0；3)随机初始化状态S
t
,t＝0；4)根据Q表选择动作a
t
；5)执行动作at，获取下一个状态S
t+1
计算得到的回报r
t
；
6)更新Q表；7)判断寿命件和单元体是否超过寿命，当判断为是时回到步骤3)进行多次迭代运算后，最终保存Q表；当判断为否时判断发动机是否到达全寿命，当判定为是时保存Q表；当判定为否时回到步骤4)进行多次迭代运算后，最终保存Q表。3.如权利要求1所述的一种基于碳中和的预测发动机寿命的方法，其特征在于，步骤二中，所述显性数据包括用户点评、打分和评论数据；所述隐性数据包括用户点击行为、购买行为和搜索行为。4.如权利要求1所述的一种基于碳中和的预测发动机寿命的方法，其特征在于，步骤三中，构建所述分类预测模型包括，给定数据集里有m个分类类别，预测给定观察值是否属于具有最高后验概率的特定类别，当预测X属于类别C时，表示当且仅当：P(C
i
|X)＞P(C
j
|X)1≤j≤m,j≠i，此时，如果最大化P(C
i
|X)，其中P(C
i
|X)最大的类C
i
...

【专利技术属性】
技术研发人员：王维，陈竹，
申请(专利权)人：天翼电子商务有限公司，
类型：发明
国别省市：