典型文献
基于GBDT算法的柴油机性能预测
文献摘要：
柴油机作为一种多输入多输出的高复杂度与耦合度系统,难以用精确的物理与化学模型准确描述.通过空间填充设计采集训练数据集,采用GBDT(Gradient Boosting Decision Tree,梯度提升决策树)算法构建了柴油机有效燃油消耗率(BSFC)、NOx和CO预测模型,并对模型进行了验证.结果表明:预测模型收敛速度较快;BSFC,NOx,CO拟合程度R2分别为0.981,0.993,0.992;预测值平均相对误差为0.81％,3.68％,2.95％;模型生成的BSFC,NOx,CO响应与真实柴油机趋势具有一致性;预测模型有较高的精确度和稳定性.梯度提升决策树算法对柴油机建模有较高的适应度,能够有效解决多特征高维非线性柴油机系统问题,为柴油机性能预测建模提供了一种行之有效的方法.
文献关键词：
柴油机;性能预测;数学模型;梯度提升决策树;空间填充设计
中图分类号：
作者姓名：
陈天锴;王贵勇;申立中;姚国仲
作者机构：
昆明理工大学云南省内燃机重点实验室,云南 昆明 650500
文献出处：
引用格式：
[1]陈天锴;王贵勇;申立中;姚国仲-.基于GBDT算法的柴油机性能预测)[J].车用发动机,2022(05):51-58
A类：
柴油机建模
B类：
GBDT,柴油机性能,性能预测,多输入多输出,耦合度,化学模型,空间填充设计,集训,训练数据集,Gradient,Boosting,Decision,Tree,有效燃油消耗率,BSFC,NOx,收敛速度,拟合程度,平均相对误差,模型生成,梯度提升决策树算法,适应度,多特征,高维,机系统,系统问题,预测建模
AB值：
0.296782
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
