基于优化的深度极限学习机的柴油车NOx排放预测
来源：环境监测管理与技术杂志2023年第4期北京时间：
作者：李勇志；上海工程技术大学机械与汽车工程学院；；上海市环境科学研究院,国家环境保护城市大气复合污染成因与防治重点实验室；胡磬遥；上海市环境科学研究院,国家环境保护城市大气复合污染成因与防治重点实验室；任洪娟；黄成；上海工程技术大学机械与汽车工程学院；；上海市环境科学研究院,国家环境保护城市大气复合污染成因与防治重点实验室；
单位：上海工程技术大学机械与汽车工程学院；；上海市环境科学研究院,国家环境保护城市大气复合污染成因与防治重点实验室；上海市环境科学研究院,国家环境保护城市大气复合污染成因与防治重点实验室；上海工程技术大学机械与汽车工程学院；上海工程技术大学机械与汽车工程学院；；上海市环境科学研究院,国家环境保护城市大气复合污染成因与防治重点实验室；
摘要：用麻雀搜索算法优化的深度极限学习机（SSA-DELM）构建柴油车NOx排放预测模型，对柴油车低速、中速和高速状态下的NOx排放进行预测，并将此模型性能与深度极限学习机（DELM）模型性能进行对比分析。结果表明：SSA-DELM模型的预测效果较好，在低速、中速、高速状态下该模型平均绝对百分比误差MAPE分别为0.061 0、0.044 9、0.039 1；在低速、中速、高速状态下SSA-DELM模型的性能评价指标比DELM模型性能评价指标分别优约23%、44%、11%。
关键词：NOx,重型柴油车,麻雀搜索算法,深度极限学习机,排放预测,
基金资助：上海市科技计划“上海大气颗粒物和臭氧精细化监测预报及关键前提污染物防控关键技术研究与应用示范”基金资助项目（20dz1204000）；上海市2022年度“科技创新行动计划”科技支撑碳达峰碳中和专项“城市货运交通碳排放实时计算与监测关键技术研究与示范”基金资助项目（22dz1207506）
