颜黄斌，陈 永，崔丽华，陈 祺

(昆明云内动力股份有限公司，云南 昆明 650000)

1 引言

柴油发动机受NOx排放过高的限制，主要应用于非道路的农业机械、船舶以及重型货车等，在轻型车上使用较少。准确预测柴油发动机的NOx瞬时排放有助于解决NOx排放过高的问题。

目前机器学习算法广泛应用于实际生产和日常生活中，同时机器学习算法具有较高和较为准确的预测精度。文华等使用BP神经网络算法，对柴油机NOx瞬态排放进行了预测，其模型的相关系数R为0.95[1]。Liu等使用支持向量机的集成方法，建立了柴油机瞬态NOx排放预测模型，具有较高的准确率[2]，RMSE为51.12×10-6，R2为0.98。Alcan等采用基于S型的非线性自回归外生输入模型预测了柴油机稳态和瞬态下的NOx排放，其瞬态预测结果验证精度在70%左右[3]。

目前，研究人员主要使用较为传统的机器学习算法，其精度和应用价值还需要进一步提高，因此本文选用一种基于梯度提升的集成树算法XGBoost预测柴油发动机瞬时NOx排放，增加预测结果的稳定性和精度。

2 数据来源和处理

2.1 实验数据来源

本实验使用便携式排放测试系统(PEMS)测试一辆国IV的柴油公交车的瞬时排放和车辆、发动机参数，公交车的参数如表1所示。为增加采集样本的可靠性，选择的公交车行驶路线包括市区、郊区，红绿灯交叉路口，同时为避免交通流量的影响，采集时间包括道路高峰时间段和非高峰时间段。

表1 实验车辆参数

2.2 数据处理

由于PEMS系统和采集发动机参数、车辆参数的OBD系统不是同步运行，需要对采集的数据进行对正处理。……