基于I-GWO-BP神经网络的柴油机NOx排放预测模型
来源：车用发动机杂志2024年第6期北京时间：
作者：张凯强，王勇，翟军强江先锋，王小雷，王宁峰
单位：<pstyle=\"margin:0pt\"class=\"MsoNormal\"><fontface=\"宋体\"></font><fontface=\"Calibri\">1.</font><fontface=\"宋体\">青海大学机械工程学院，青海西宁</font><fontface=\"Calibri\">810016</font><fontface=\"宋体\">；</font><fontface=\"Calibri\">2.</font><fontface=\"宋体\">青海省高原科技发展有限公司，青海西宁</font><fontface=\"Calibri\">810006</font><fontface=\"宋体\">；</font><fontface=\"Calibri\">3.</font><fontface=\"宋体\">青海省内燃动力机械高原动力和排放重点实验室，青海西宁</font><fontface=\"Calibri\">810006</font><fontface=\"宋体\">；</font><fontface=\"Calibri\">4.</font><fontface=\"宋体\">青海大学化工学院，青海西宁</font><fontface=\"Calibri\">810016</font><fontface=\"宋体\"></font>
摘要：针对高原环境不同海拔地区工程机械柴油发动机NOx排放与实际运行工况之间的复杂非线性关系，提出了一种基于维度学习的狩猎(DLH)搜索策略改进GWO-神经网络的NOx排放预测模型。利用便携式排放测试系统(PEMS)对高原地区叉车进行不同海拔下的实际运行工况排放试验，并将试验数据作为数据集，通过随机森林算法完成预测模型的输入特征选择。结果表明：I-GWO-BP模型相对于BP和GWO-BP模型在评价指标RMSE和R2上表现更优，RMSE和R2分别为4.623 3 mg/s和0.925 1，该模型对高原地区不同海拔下工程机械NOx排放的预测精度更高。<!--EndFragment--> <!--EndFragment-->
关键词：高原；氮氧化物；特征参数；预测模型
