基于机器学习的柴油机颗粒物浓度预测

摘要

cqvip:以涡轮增压中冷重型柴油机在4个不同海拔地区的颗粒物排放为研究对象,利用主成分分析与神经网络结合的方法对实际道路的颗粒物粒径浓度进行模拟分析。结果表明:在不同海拔下,气缸压力的前10个主成分即可代表94%的发动机缸内燃烧特性;同时,柴油机燃烧产生的核膜态的微粒偏少,而积聚模态微粒尤其是粒径在57~165 nm的颗粒物较多;此外,与传统模型相比,该模型能够在7~990 nm范围内实现对4个海拔地区颗粒物浓度的有效预测,相对误差降低了6.44%,预测精度分别达到91.37%,92.97%,91.23%和91.99%。该方法的研究为高原地区污染物排放的监控与管制提供了支持。