期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
GA-ACO算法优化BP神经网络的重型车排放预测 被引量：6
1
作者 闻增佳 谭建伟 +3 位作者 王怀宇 余浩 常虹 孙文强 《重庆理工大学学报（自然科学）》 CAS 北大核心 2022年第12期202-209,共8页
为了减少实际行驶排放试验(real driving emission,RDE)受到驾驶行为、车型等干扰的情况,降低试验耗时和测试成本,基于BP神经网络建立了重型车的排放预测模型,引入遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,A... 为了减少实际行驶排放试验(real driving emission,RDE)受到驾驶行为、车型等干扰的情况,降低试验耗时和测试成本,基于BP神经网络建立了重型车的排放预测模型,引入遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)进行优化。使用便携式排放测试系统(portable emissions measurement system,PEMS)对某重型车进行RDE试验,并将试验数据划分为训练集、测试集、验证集,通过B型关联度算法提取数据主要成分用于训练与预测。结果表明:瞬时排放水平上,NO_(x)预测结果与样本数据的皮尔逊相关系数为0.9686,线性高度相关;整体误差水平上,NO_(x)排放因子的最大相对误差为2.36%。该模型对重型车的瞬时排放和整体排放特性预测准确性较好,对辅助RDE试验具有参考意义。 展开更多
关键词 重型车 实际行驶排放试验 排放预测 GA-ACO-BP
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部