基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型

来源：计算机集成制造系统杂志2025年第9期北京时间：

作者：师国东, 胡明茂, 宫爱红, 龚青山, 郭庆贺, 谭浩

单位：1.湖北汽车工业学院汽车智能制造学院2.湖北汽车工业学院汽车动力传动与电子控制湖北省重点实验室3.东风商用车有限公司

摘要：为有效预测车辆油耗,提高燃油经济性,促进节能减排,提出一种基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型。该模型首先采用极端梯度提升树(XGBoost)算法提取车辆油耗特征,以优化模型的输入变量,提高模型的泛化性和鲁棒性。然后,利用多策略改进的鲸鱼优化算法( MSIWOA)对长短期记忆神经网络(LSTM)中的超参数进行自适应寻优,并将优化后的超参数代入LSTM中对车辆油耗进行建模预测。结合实际车辆油耗算例进行对比实验,结果表明,相对于其他对比模型,XGBoost-MSIWOA-LSTM预测模型预测精度更高,对降低车辆油耗具有一定的指导意义。

关键词：油耗预测,极端梯度提升树,多策略改进的鲸鱼优化算法,长短期记忆神经网络,自适应寻优

基金资助：国家自然科学基金资助项目(52572402):湖北省重点研发计划资助项目(2020BAA005);湖北省教育厅重点资助项目(D20211803);湖北汽车工业学院博士基金资助项目(BK202001);湖北省教育厅中青年人才资助项目(Q20221804);汽车动力传动与电子控制湖北省重点实验室资助项目(ZDK1202205)。