基于自步集成学习的非道路移动机械排气烟度预测模型

许小伟; 肖喆; 王明达; 祝能; 钱枫; 肖宁强

doi:10.16452/j.cnki.sdkjzk.2023.01.011

山东科技大学学报（自然科学版） ›› 2023, Vol. 42 ›› Issue (01) : 100 -109. DOI: 10.16452/j.cnki.sdkjzk.2023.01.011

基于自步集成学习的非道路移动机械排气烟度预测模型

许小伟, 肖喆, 王明达, 祝能, 钱枫, 肖宁强

作者信息 +

Author information +

文章历史 +

PDF (1965K)

摘要

非道路移动机械逐步成为减排潜力挖掘的重点。本研究对山东省16个地级市共计13 413台非道路移动机械开展排气烟度实测工作，通过分析机械排气烟度值和烟度检测合格率随机械类型、使用年限、功率的分布情况及所属经济圈的变化规律，绘制山东省排气烟度污染空间分布图；在分析单变量影响因素的基础上，选取6类易获取的机械属性作为特征参数，基于自步集成学习算法构建叉车烟度检测结果预判断模型。结果表明：非道路移动机械标准从国Ⅰ提升至国Ⅱ、国Ⅱ提升至国Ⅲ,排气烟度分别减小了33%和50%;推土机、沥青摊铺机、工业钻探设备以及叉车的整体排放状况较差；山东省三大经济圈的机械保有量从大到小依次为胶东>省会>鲁西南，机械整体排放状况从好到差依次为省会>胶东>鲁西南；自步集成学习算法在决策树和K近邻两个分类器下获得了所有模型评价指标的最高值，其在不平衡数据上具有更好的分类性能。