10.3969/j.issn.1674-2605.2023.01.004
基于机器学习的汽车二氧化碳排放量预测研究
针对汽车尾气排放物中二氧化碳(CO2)的排放量测量设备价格昂贵且测量精度低的问题,进行基于机器学习的汽车二氧化碳排放量预测研究.首先,利用斯皮尔曼等级相关系数分析汽车特征之间的相关性,并过滤冗余特征;然后,利用随机森林算法筛选出影响CO2排放量的4个核心特征;最后,分别基于线性回归、梯度提升树、XGBoost、支持向量机4种机器学习算法建立CO2排放量的预测模型,并通过模型效果对比和网格搜索调参,确定最佳的预测模型为基于梯度提升树算法构建的模型.预测值和真实值的对比结果表明,基于梯度提升树算法构建的模型具有较高的预测精度,能有效预测不同汽车每公里的CO2排放量.
机器学习、CO2排放量、斯皮尔曼等级相关系数、随机森林算法、预测模型
44
TP181(自动化基础理论)
2023-03-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
22-26,45
