基于自步集成学习的非道路移动机械排气烟度预测模型

许小伟, 肖喆, 王明达, 祝能, 钱枫, 肖宁强

PDF(1920 KB)
PDF(1920 KB)
山东科技大学学报(自然科学版) ›› 2023, Vol. 42 ›› Issue (01) : 100-109. DOI: 10.16452/j.cnki.sdkjzk.2023.01.011

基于自步集成学习的非道路移动机械排气烟度预测模型

  • 许小伟, 肖喆, 王明达, 祝能, 钱枫, 肖宁强
作者信息 +
History +

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

中图分类号

TP18 / X701

引用本文

导出引用
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. 山东科技大学学报(自然科学版). 2023, 42(01): 100-109 https://doi.org/10.16452/j.cnki.sdkjzk.2023.01.011

基金

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

评论

PDF(1920 KB)

Accesses

Citation

Detail

段落导航
相关文章

/