中国环境科学

作者：白晓鑫, 郭向阳, 吴春玲, 王凤滨, 李旭, 刘卫林

单位：1. 中汽研汽车检验中心(天津)有限公司, 天津 300300;2. 天津大学机械工程学院, 天津 300072

关键词：柴油车,排放,NH3,卷积神经网络,Transformer

基金：国家重点研发计划(2022YFC3701800)

本研究提出了一种基于卷积神经网络(CNN)和Transformer融合框架的柴油车NH3排放预测模型.该模型充分结合了CNN的局部特征提取能力和Transformer的全局依赖关注能力,实现了对实际行驶条件下柴油车NH3排放的高精度预测.研究以一辆N3类柴油车的实际道路排放测试数据为基础,采用Pearson相关系数法进行特征筛选,并利用贝叶斯优化算法对模型关键超参数进行调整,以提升模型性能.此外,应用SHAP算法量化了影响NH3排放的关键因素.结果表明,所提模型在独立数据集上能够高精度预测柴油车实际道路行驶中的NH3浓度排放,其预测的NH3浓度与实际测量值的R2、平均绝对误差(MAE)和均方误差(MSE)分别达到0.986、0.663和2.285,预测性能显著优于传统的随机森林(RF)模型、长短期记忆(LSTM)神经网络模型以及Transformer模型.研究为在用柴油车NH3排放监测提供了一种高效可靠的方法,同时为深入理解影响柴油车实际道路NH3排放的关键因素提供了新的研究思路.

来源：2025年第3期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2025年第3期