Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jul 1, 2026

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
09:47

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches

Published on: December 15, 2023

1.7K

在深度学习框架中,在没有车载诊断系统的情况下优化燃料消耗预测模型.

Rıdvan Keskin1, Egemen Belge1, Senol Hakan Kutoglu2

  • 1Department of Electrical Electronics Engineering, Zonguldak Bulent Ecevit University, Zonguldak 67100, Türkiye.

Sensors (Basel, Switzerland)
|November 27, 2025
PubMed
概括

我们开发了一种新的模型,用于预测车辆燃油消耗率 (FCR),仅使用 Throttle,速度和加速数据. 这种数据驱动的方法提高了准确性和效率,减少了排放,而不需要复杂的车辆特点.

相关概念视频

Parameters Affecting Nonlinear Elimination: Zero-Order Input, First-Order Absorption and Two-Compartment Model01:13

Parameters Affecting Nonlinear Elimination: Zero-Order Input, First-Order Absorption and Two-Compartment Model

Drugs administered through various routes can lead to nonlinear elimination, resulting in complex pharmacokinetic behaviors crucial to understanding efficacious drug dosing.
When a drug is administered through a constant intravenous infusion and eliminated via nonlinear pharmacokinetics, it follows zero-order input. For example, oral drugs undergo first-order absorption upon administration and are eliminated through nonlinear pharmacokinetics.
In the case of subcutaneously administered drugs,...

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Analyzing Fault Reactivation Behavior Using InSAR, Stress Inversion, and Field Observations During the 2025 Sındırgı Earthquake Sequence, Simav Fault Zone, Western Türkiye.

Sensors (Basel, Switzerland)·2026
Same author

Delineating the Central Anatolia Transition Zone (CATZ): Constraints from Integrated Geodetic (GNSS/InSAR) and Seismic Data.

Sensors (Basel, Switzerland)·2026
查看所有相关文章

科学领域:

  • 汽车工程 汽车工程
  • 机器学习 机器学习
  • 环境科学 环境科学

背景情况:

  • 准确的实时燃料消耗率 (FCR) 预测对于提高车辆能源效率和减少排放至关重要.
  • 传统方法通常需要特定的车辆参数和环境数据,这限制了它们的适用性.
  • 车载诊断 (OBD) 系统通常用于FCR数据采集,但可能是复杂的.

研究的目的:

  • 提出一个新的,数据驱动的FCR预测模型,使用随时可用的车辆数据.
  • 通过深度学习和概率方法提高预测的准确性和可靠性.
  • 减少对复杂的车辆特定参数和环境条件的依赖.

主要方法:

  • 开发贝叶斯优化和蒙特卡洛 (MC) 脱落式长期短期记忆 (BMC-LSTM) 网络.
  • 仅使用车辆快门位置,速度和加速度数据进行预测.
  • 集成贝叶斯优化用于超参数调整和MC-Dropout用于不确定性量化.

主要成果:

  • 与传统的LSTM,双向LSTM,XGBoost,支持向量回归和多项式模型相比,BMC-LSTM模型实现了更高的预测准确度.
  • 拟议的方法显示了显著更高的R平方得分和减少的错误指标 (MSE,RMSE,MAE).
关键词:
贝叶斯优化是贝叶斯的优化.深度学习是一种深度学习.预测燃油消耗的预测长期短期记忆 长期短期记忆机器学习是机器学习.

相关实验视频

Last Updated: Jul 1, 2026

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
09:47

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches

Published on: December 15, 2023

1.7K
  • 该模型提供了校准的预测和对分布漂移的稳定性.

    • 结论:

    • BMC-LSTM模型为实时FCR预测提供了具有成本效益和准确的解决方案.
    • 这种方法简化了FCR预测,因为在推断时只需要基本的车辆运动数据.
    • 该方法提高了车辆的能源效率和减排潜力.