汽车燃油消耗预测模型的研究进展

摘要

为准确预测车辆在不同工况下的油耗，帮助研发人员深入了解发动机的油耗变化规律并进一步优化发动机性能，全面总结和分析现有的油耗预测模型，将其分为传统油耗预测模型和基于数据驱动的机器学习油耗预测模型两大类，并将基于数据驱动的机器学习油耗预测模型进一步细分为多元回归、浅层机器学习、深度学习和混合式油耗预测模型四类，分析各种模型的预测方法及其变体的应用现状、优势与局限性。明确各类模型的最佳应用场景，指出当前研究中存在的主要问题和挑战。数据驱动的机器学习类预测模型中，多元回归方法对线性相关性强的数据具有很好的表现，且模型透明度高，易于理解；机器学习能够有效应对复杂的非线性关系，特别是深度学习，可以充分挖掘数据中的特征，实现燃油消耗的精准预测，但对数据质量要求较高，模型相对复杂。根据不同模型的特点与应用，对油耗预测未来的发展进行展望。

关键词

油耗预测 / 数据驱动 / 机器学习 / 深度学习 / 混合油耗模型