本发明专利技术涉及数据处理领域，公开了一种油耗预测方法、装置、计算机设备及机器可读存储介质。油耗预测方法包括：对目标车辆的历史油耗数据进行分解，得到基于时间序列的多个油耗子序列；分别对每个油耗子序列进行特征选择，以得到更新后的油耗子序列；获取每个更新后的油耗子序列中的油耗影响因素的权重；将所有的更新后的油耗子序列及所有的油耗影响因素的权重均输入至基于GMDH的油耗预测模型，得到目标车辆在目标时间段的油耗预测结果。利用基于GMDH的油耗预测模型进行车辆的油耗预测，能够考虑车辆实际速度等油耗影响因素对车辆油耗的影响，在车辆实际运行过程中准确预测车辆的油耗。
【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体地涉及一种油耗预测方法、装置、计算机设备及机器可读存储介质。
技术介绍
1、随着车辆制造技术快速发展，各种类型的车辆被广泛应用于各个领域。对于搅拌车、泵送车及起重车等需要消耗大量燃油的作业车辆，通常需要对作业车辆进行油耗预测。对于定时定量的工程作业任务，若对作业车辆油耗预测出现较大的误差，将导致作业车辆在作业过程出现燃油不足的情况，进而导致需要为作业车辆补充燃油而影响工程作业任务的工期。现有技术中通常会记录作业车辆运行过程中产生的历史油耗数据，进而利用经验公式和统计方式推导作业车辆的百公里预测油耗。
2、然而，基于作业车辆的历史油耗数据得到预测油耗时，作业车辆的实际速度、实际加速度、发动机转速及发动机扭矩等实际运行参数，都将影响车辆的实际油耗，导致得到的预测油耗与车辆的实际油耗存在误差。此外，作业车辆在实际运行过程中，车辆的实际运行参数将不断发生变化，进一步增大了预测油耗与实际油耗的误差，导致无法准确预测作业车辆实际运行过程中油耗。
技术实现思路
>1、本专利技术实施本文档来自技高网...
【技术保护点】
1.一种油耗预测方法，其特征在于，所述油耗预测方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述油耗预测模型通过油耗样本数据训练GMDH模型得到，所述油耗样本数据包括车辆处于空载状态时的油耗样本数据和车辆处于负载状态时的油耗样本数据。
3.根据权利要求2所述的模型训练方法，其特征在于，所述对目标车辆的历史油耗数据进行分解，得到基于时间序列的多个油耗子序列，包括：
4.根据权利要求1所述的油耗预测方法，其特征在于，所述对目标车辆的历史油耗数据进行分解，得到基于时间序列的多个油耗子序列，包括：
5.根据权利要求1所述的油耗预测方...
【技术特征摘要】
1.一种油耗预测方法，其特征在于，所述油耗预测方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述油耗预测模型通过油耗样本数据训练gmdh模型得到，所述油耗样本数据包括车辆处于空载状态时的油耗样本数据和车辆处于负载状态时的油耗样本数据。
3.根据权利要求2所述的模型训练方法，其特征在于，所述对目标车辆的历史油耗数据进行分解，得到基于时间序列的多个油耗子序列，包括：
4.根据权利要求1所述的油耗预测方法，其特征在于，所述对目标车辆的历史油耗数据进行分解，得到基于时间序列的多个油耗子序列，包括：
5.根据权利要求1所述的油耗预测方法，其特征在于，所述分别对每个所述油耗子序列进行特征选择，以得到更新后的油耗子序列，包括：
6.根据权...
【专利技术属性】
技术研发人员：王春晖，代皓蓝，陈浩，
申请(专利权)人：中联重科股份有限公司，
类型：发明
国别省市：
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。