基于组合神经网络的汽油机NO_(x)排放预测及特征选取

摘要

为了建立一种能够准确预测汽油机NO_(x)排放的模型,通过台架试验和整车试验分别测得发动机稳态工况和瞬态工况下的NO_(x)排放量。提出一种融合集成算法和随机采样思想的新式神经网络模型,即组合神经网络模型,对比该模型与传统神经网络模型及随机森林模型的性能。同时,为了进一步优化模型,提出基于组合神经网络模型的特征选取方法。使用去除自相关性后的输入参数进行建模,并依次增加或减少输入参数建立起新的模型,通过前后模型精度的变化计算输入参数对整体模型的模型贡献度。根据各参数模型贡献度提取出建模所需的参数,对模型进行简化。研究结果表明:组合神经网络有着比随机森林和传统神经网络更好的拟合能力、泛化性及稳定性,对汽油机NO_(x)排放的预测准确度较高;特征选取可以有效简化模型,加快计算速度;通过其他机型的验证,模型具有普适性。