基于自步集成学习的非道路移动机械排气烟度预测模型_中国煤炭行业知识服务平台

基于自步集成学习的非道路移动机械排气烟度预测模型

作者

许小伟肖喆王明达祝能钱枫肖宁强
单位

武汉科技大学汽车与交通工程学院中国环境科学研究院微宏动力系统（湖州）有限公司
摘要

非道路移动机械逐步成为减排潜力挖掘的重点.本研究对山东省16个地级市共计13 413台非道路移动机械开展排气烟度实测工作.通过分析机械排气烟度值和烟度检测合格率随机械类型.使用年限.功率的分布情况及所属经济圈的变化规律.绘制山东省排气烟度污染空间分布图,在分析单变量影响因素的基础上.选取6类易获取的机械属性作为特征参数.基于自步集成学习算法构建叉车烟度检测结果预判断模型.结果表明:非道路移动机械标准从国Ⅰ提升至国Ⅱ.国Ⅱ提升至国Ⅲ,排气烟度分别减小了33%和50%;推土机.沥青摊铺机.工业钻探设备以及叉车的整体排放状况较差,山东省三大经济圈的机械保有量从大到小依次为胶东>省会>鲁西南.机械整体排放状况从好到差依次为省会>胶东>鲁西南,自步集成学习算法在决策树和K近邻两个分类器下获得了所有模型评价指标的最高值.其在不平衡数据上具有更好的分类性能.
关键词

非道路移动机械排气烟度不平衡学习自步集成学习预测模型
基金项目(Foundation)

国家自然科学基金项目(51975426),武汉市科技计划项目(2019010701011393),
文章目录

1 数据与方法
1.1 数据来源
1.2 模型构建方法与评价指标
1.2.1 自步集成学习原理
1.2.2 模型性能评价指标
2 单变量条件下排气烟度及检测合格率分布
2.1 不同使用年限机械排气烟度及检测合格率分布
2.2 不同机械类型排气烟度及检测合格率分布
2.3 不同功率机械排气烟度及检测合格率分布
2.4 机械排气烟度空间分布特征
3 排气烟度预测模型建立
3.1 特征选择
3.2 预测模型对比
4 结论
引用格式

许小伟,肖喆,王明达,祝能,钱枫,肖宁强.基于自步集成学习的非道路移动机械排气烟度预测模型[J].山东科技大学学报(自然科学版),2023,42(01):100-109.DOI:10.16452/j.cnki.sdkjzk.2023.01.011.