基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于ASM5025和ASM2540检测工况的乘用车排放检测数据,应用数据挖掘技术的决策树算法,建立基于使用年限与车辆排放状态的3个不同数据挖掘模型,分析使用年限与乘用车的高排放状态比例的关系.通过数据挖掘结果的对比分析发现,随着使用年限的增加,乘用车的高排放状态比例呈阶段性、阶梯状、递增型分布;在使用年限为0~3a和3~6a的使用年限区间,基于ASM5025与ASM2540检测工况的高排放车辆比例相差不大且最低;在使用年限为6~9 a和9~12 a的使用年限阶段,基于ASM5025检测工况的高排放车辆比例是ASM2540检测工况的1.6~1.9倍.此外,随着汽车排放标准的加严,基于ASM5025检测工况和ASM2540检测工况的高排放车辆比例都呈现出显著的阶段性降低的趋势,从国Ⅰ阶段的8%和4.29%逐渐下降为国Ⅳ阶段的0.83%和0.93%.
推荐文章
某柴油乘用车排放性能试验研究
柴油乘用车
排放
试验
城市核心区域乘用车碳排放的时空分布特征
机动车
浮动车数据
二氧化碳
道路排放
低压电线在乘用车上的应用
低压电线
乘用车
选择应用
低速纯电动乘用车的发展
低速汽车
纯电动乘用车
短距离电动汽车
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 数据挖掘技术在乘用车排放状态分析中的应用
来源期刊 重庆理工大学学报(自然科学版) 学科 交通运输
关键词 数据挖掘 决策树算法 乘用车 高排放 使用年限
年,卷(期) 2020,(1) 所属期刊栏目 能源动力环境
研究方向 页码范围 176-184,241
页数 10页 分类号 U473.9
字数 4437字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2020.01.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 储江伟 东北林业大学交通学院 94 426 10.0 18.0
2 李洪亮 东北林业大学交通学院 21 101 6.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (18)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
决策树算法
乘用车
高排放
使用年限
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导