城市道路LDGV的BC排放:使用OBD/PEMS数据的机器学习模型
Xin Wang1, Zhaowen Qiu1, Zhen Liu1
1School of Automobile, Chang'an University, Shangyuan Road, Xi'an, 710016, Shaanxi, PR China.
Chemosphere
|September 15, 2024
概括
从轻型汽油车 (LDGV) 中量化城市黑碳 (BC) 是很困难的. 这项研究使用了PEMS和ML模型,发现随机森林最好预测BC,从而能够实时监测减排.
科学领域:
- 环境科学 环境科学
- 汽车工程 汽车工程
- 数据科学数据科学数据科学
背景情况:
- 轻型汽油汽车 (LDGV) 的城市黑碳 (BC) 排放是一个重要的空气质量问题.
- 准确量化LDGV的真实世界BC排放仍然是一个挑战.
- 现有的方法可能无法捕捉到城市驾驶条件的动态性质.
研究的目的:
- 通过使用便携式排放测量系统 (PEMS) 来评估LDGV的真实世界BC排放.
- 开发和评估基于车载诊断 (OBD) 数据的机器学习 (ML) 模型,用于预测BC排放.
- 确定影响BC排放的关键发动机参数,并比较不同燃料注入技术之间的排放因子.
主要方法:
- 使用PEMS测量城市驾驶期间五辆LDGV的BC排放.
- 开发了五个ML模型,包括随机森林 (RF),使用OBD数据来预测BC排放.
- 分析了BC排放和发动机参数 (速度,负载) 之间的相关性.
- 汽油直接喷射 (GDI) 和端口燃料喷射 (PFI) 发动机的比较BC排放因子 (EF).
主要成果:
- 随机森林 (RF) ML模型在所有测试的LDGV中证明了BC排放的最高预测准确性 (R2>0.6).
- 在BC排放和发动机参数 (如转速和负载) 之间发现了强烈的相关性 (R2在0.5和0.9之间).
- 符合中国VI标准的LDGV在不同城市道路类型的BC排放中显示出最小的变化.
- 汽油直接喷射 (GDI) 发动机的BC EF值较高 (0.141 ± 0.038毫克/公里),与端口燃料喷射 (PFI) 发动机 (0.114 ± 0.049毫克/公里) 相比,增加了23.7%.
结论:
- 基于OBD的ML模型,特别是RF,为LDGVs的实时BC排放监测提供了一种可行的方法.
- 整合这些模型可以支持制定有效的减排战略.
- 发动机参数显著影响BC排放,GDI技术导致比PFI更高的排放.
