基于Python的汽车运行油耗预测模型的构建

来源 :电子测量技术 | 被引量 : 0次 | 上传用户:chenyanchendan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
运用Python语言对OBD采集的车辆运行数据搭建油耗预测模型.以车速v,发动机转速n,进气管绝对压力P,节气门位置TP,冷却液温度CT,负荷率L,怠速时间IT及加速度a等作为自变量,百公里油耗作为因变量,用SelectKbest函数将参数与因变量相关性强度进行排序并做简要分析,用基于Tensorflow的多层感知机(MLP)神经网络模型以及支持向量机(SVM)多元线性回归模型同时对油耗进行预测.支持向量机模型RMSE为0.088,MAE为0.56;Tensorflow神经网络模型RMSE为0.132,MAE为0.70.结论 说明模型比较可靠,可为进一步分析汽车油耗与车辆运行状态参数之间的关系提供理论依据.
其他文献
新研制或生产的压力变送器需对它的技术性能指标进行全面检测,保证量值的精准输出.压力传感器经过一段时间储存积累使用或修理后也要对它主要的技术性能进行二次检定,保证其性能指标达到要求标准.现实生产中及工作环境的影响导致其输出产生非线性输出,因此提出一种基于三阶非线性多项式的逆模型进行压力变送器的非线性校准和采用改进粒子群优化算法的小波神经网络模型对其进行温度补偿校准.经过非线性校准后的输出最大绝对误差和常用的端基平移法相比,最大绝对误差从6.0265减小到了0.3086,经过改进粒子群优化算法进行温度补偿校准