基于Python的汽车运行油耗预测模型的构建

• 作者: 黄赫 储江伟 艾曦峰 李红
• 来源期刊: 电子测量技术
• 学科: 交通运输
• 关键词: OBD 油耗 支持向量机(SVM) 神经网络 多元回归
• 年，卷（期）: 2021,（20）
• 所属期刊栏目: 数据采集及信号处理|Data Acquisition and Signal Processing
• 页码范围: 113-118
• 页数: 6页
• 分类号: U121
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107317

摘要

运用Python语言对OBD采集的车辆运行数据搭建油耗预测模型.以车速v,发动机转速n,进气管绝对压力P,节气门位置TP,冷却液温度CT,负荷率L,怠速时间IT及加速度a等作为自变量,百公里油耗作为因变量,用SelectKbest函数将参数与因变量相关性强度进行排序并做简要分析,用基于Tensorflow的多层感知机(MLP)神经网络模型以及支持向量机(SVM)多元线性回归模型同时对油耗进行预测.支持向量机模型RMSE为0.088,MAE为0.56;Tensorflow神经网络模型RMSE为0.132,MAE为0.70.结论 说明模型比较可靠,可为进一步分析汽车油耗与车辆运行状态参数之间的关系提供理论依据.