基于数据挖掘的典型车辆排放因子预测研究

发布时间：2023-08-11 18:46

　　随着经济的飞速发展和城市规模的不断壮大,交通运输产生的尾气排放已经成为大气污染的重要来源。为了采取有效的路网机动车.排放控制策略,减少交通尾气对环境造成的污染,构筑绿色交通体系,需要根据车辆排放因子来对机动车排放情况进行科学量化评估。然而,排放因子计算方案的相关研究绝大多数集中在交通领域,使用计算机领域相关技术来计算排放因子的研究却是一片空白。本文从计算机领域相关技术出发,对机器学习算法在解决交通领域中的机动车排放因子的计算及预测问题上的可行性进行了研究。通过使用数据挖掘中比较成熟的机器学习算法,对采集到的机动车排放数据分析建模,最终取得了较好的预测效果。本文的主要工作内容及创新点如下:(1)本文通过对采集到的机动车排放数据分析建模,最终实现了 7个预测模型来对机动车排放因子进行预测,并给出了具体的实现过程与各个模型的效果评估。通过与MOVES模型效果的对比,证明了机器学习算法在解决机动车排放因子的计算及预测问题上的可行性,为交通领域中机动车排放因子的计算及预测方法提供了新思路。(2)本文通过对实现的7个预测模型的效果进行评估,最终发现随机森林回归模型在解决机动车排放因子的计算及预测问...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文的研究内容与框架
    1.4 本章小结
2 相关理论研究
    2.1 交通排放模型
        2.1.1 MOVES模型
        2.1.2 COPERT模型
        2.1.3 IVE模型
    2.2 机器学习模型
        2.2.1 多元线性回归模型
        2.2.2 多项式回归模型
        2.2.3 CART决策树模型
        2.2.4 随机森林模型
        2.2.5 梯度提升决策树模型
        2.2.6 极端梯度提升模型
    2.3 模型评估方法
        2.3.1 平均绝对误差
        2.3.2 均方误差
        2.3.3 决定系数
        2.3.4 校正决定系数
        2.3.5 交叉验证
    2.4 相关工具简介
        2.4.1 python简介
        2.4.2 scikit-learn简介
    2.5 本章小结
3 数据采集与预处理
    3.1 数据采集
    3.2 数据预处理
        3.2.1 数据清洗
        3.2.2 数据变换
        3.2.3 特征选择
    3.3 实验环境
    3.4 本章小结
4 典型车辆排放因子预测研究
    4.1 MOVES模型预测
        4.1.1 预测模型构建
        4.1.2 模型效果评估
    4.2 多元线性回归模型预测
        4.2.1 预测模型构建
        4.2.2 模型效果评估
    4.3 多项式回归模型预测
        4.3.1 预测模型构建
        4.3.2 模型效果评估
    4.4 CART回归树模型预测
        4.4.1 预测模型构建
        4.4.2 模型效果评估
    4.5 随机森林模型预测
        4.5.1 预测模型构建
        4.5.2 模型效果评估
    4.6 梯度提升决策树模型预测
        4.6.1 预测模型构建
        4.6.2 模型效果评估
    4.7 极端梯度提升模型预测
        4.7.1 预测模型构建
        4.7.2 模型效果评估
    4.8 实验结果分析
        4.8.1 结果比较
        4.8.2 结果总结
    4.9 本章小结
5 总结与展望
    5.1 研究总结
    5.2 研究展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3841564