CN118520415B 機動車用的碳排放監測方法及系統 （平邑縣交通運輸事業服務中心）_第1頁
CN118520415B 機動車用的碳排放監測方法及系統 （平邑縣交通運輸事業服務中心）_第2頁
CN118520415B 機動車用的碳排放監測方法及系統 （平邑縣交通運輸事業服務中心）_第3頁
CN118520415B 機動車用的碳排放監測方法及系統 （平邑縣交通運輸事業服務中心）_第4頁
CN118520415B 機動車用的碳排放監測方法及系統 （平邑縣交通運輸事業服務中心）_第5頁
已閱讀5頁，還剩23頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

本申請公開了機動車用的碳排放監測方法平滑處理的預處理；利用預處理后的行使數據A；利用預處理后的行使數據集，訓練梯度提升到融合的碳排放預測模型C；利用碳排放預測模長短期記憶網絡和梯度提升決策樹進行模型融2對采集的行使數據集進行包含異常值檢測和平滑處理根據得到的碳排放預測模型A和碳排放預測模型B，通過權重系數選擇與目標數據樣本距離最近的K個數據樣本作為相應將新采集的機動車行駛數據輸入至KNN局部模型，通過KNN局部模型將偏差與預設閾值進行比較，當偏差超過預設閾值時，將新采集的機動車行駛獲取機動車行駛過程中采集的車速時間序列數據，車速時間序列設定時間窗口參數w，時間窗口參數w表示參與平均對于車速時間序列數據中的每個目標車速數據點，確定對應數據點前后各w個車速數計算局部車速數據段內所有車速數據點的平均值，作為目標車速數據點的平滑速度將車速時間序列數據中所有車速數據點的原始速度值替換為對應的平滑速采用啟發式遍歷算法，遍歷構建的KD樹，獲取與目標節點的相關性3如果大于等于相關性閾值的數量在K個近鄰節點中所占的比例低于預設值，則判斷目將候選葉子節點集合作為KNN算法的訓練樣本，將不同的K值作為遺傳算;n梯度提升決策樹由多棵CART決策樹作為基學456數據點的平均值，來消除數據中的隨機波動。在本申請中，給定時間序列數據{x1,78等于相關性閾值的數量在K個近鄰節點中所占的比例低于預設值，則判斷目標節點為異常[0030]其中，相關性值是指目標節點與其最近鄰葉子節點之間的相關程度的量化數行計算框架，可以對大數據集進行高效的分布式計算。在本申請中，將數據切分到多個9[0041](1)通過異常值檢測與填補等預處理步驟，有效識別和處理了數據中的異常值和[0042](2)采用長短期記憶網絡(LSTM)和梯度提升決策樹(GBDT)兩種不同的模型，并通[0046]圖1是根據本說明書一些實施例所示的機動車用的碳排放監測方法及系統的示例[0049]圖1是根據本說明書一些實施例所示的機動車用的碳排放監測方法及系統的示例數據經過時間同步標記，傳輸到后端服務器存檔。以CSV格式存儲，包含"timestamp"、"value＝(value_min)/(max_min)。將計算得到的0_1范圍內的normalized_value寫回對應iis,-T可,[0068]mileage_error＝(y_true_mileage[i]_y_pred_mileage)**2#誤差平方(y2_y1)*(x0_x1)/(x2_x1)＝2.3+(4.5_2.3)*(3_2)/(4_2)＝3.6，計算出的填補值y0=從根節點到葉節點形成一棵CART回歸決策樹。初始化提升模型設置初始提升模型F0(x)=其中y_A和y_B分別為兩模型的預測，w為A模型的權重。遍歷w從0到1，步長0.1，即[0，[0117]model_C＝lo

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論