基于IAOA优化XGBoost的柴油机性能预测研究

摘要

柴油机是一个非线性、高耦合的复杂系统，为了准确预测其性能和变化规律，提出了一种基于改进算术优化算法与极限梯度树结合的性能预测方法.针对算术优化算法本身的缺陷，将莱维飞行、高斯变异和贪心策略融入算法中，提升算法的寻优能力；基于改进后的算术优化算法优化极限梯度树模型的超参数，提升模型的预测精度，形成了一种行之有效的柴油机性能预测方法.研究结果表明：相较于BP神经网络、支持向量机和未优化的极限梯度树模型，经过改进算术优化算法优化的极限梯度树模型有着更高的预测精度，对柴油机比油耗、HC比排放、CO比排放、NO_x比排放和涡前排温的预测结果决定系数均大于0.97,且预测值与试验值有较好的相关性.

关键词

柴油机 / 极限梯度树 / 算术优化算法 / 性能预测