[发明专利]一种基于共同训练的机动车尾气遥测与车检结果一致性方法

权利要求书

1.一种基于共同训练的机动车尾气遥测与车检结果一致性方法，其特征在于：包括以下步骤：

步骤1：将机动车尾气遥测数据与机动车车辆年检数据两个数据集合并成一个数据集，所述数据集包括：机动车尾气遥测数据中的环境相关变量、机动车信息相关变量、遥测尾气成分浓度，机动车车辆年检数据中的环境相关变量和机动车车检结果；最终合并的机动车尾气排放数据集中变量分为四类：环境相关变量对比差值、机动车信息相关变量、遥测尾气成分浓度变量以及机动车车检结果，对数据集中的数据做清洗处理；

步骤2：提取步骤1数据集中环境相关变量对比差值与遥测尾气成分浓度变量，以机动车车检结果作为标签，采用BP网络模型，训练环境相关变量对比差值对机动车尾气遥测数据与机动车车辆年检数据差异的影响矩阵模型，得到分类的预测概率矩阵；

步骤3：提取步骤1数据集中机动车信息相关变量与遥测尾气成分浓度变量，使用支持向量机算法，将机动车车检结果作为标签，训练出机动车信息相关变量对机动车尾气遥测数据与机动车车辆年检数据差异的影响矩阵模型，得出分类的预测概率矩阵；

步骤4：将步骤2和步骤3分别训练出的所述预测概率矩阵以加权方式相加，得到的概率矩阵包括每条机动车遥测数据类别属0的概率与类别属1的概率，取概率大于0.5的类别为上述共同训练的预测标签。

2.根据权利要求1所述的基于共同训练的机动车尾气遥测与车检结果一致性方法，其特征在于：步骤1中环境相关变量对比差值包括：机动车尾气遥测数据中的温度、相对湿度、大气压和机动车车辆年检数据中的温度，相对湿度、大气压之间的差值；机动车信息相关变量包括：机动车使用性质、使用年限、机动车长度、发动机排量、基准质量、催化转化器、比功率；行驶信息：速度、加速度；遥测尾气成分浓度变量包括：机动车尾气排放的CO、HC、NO的体积浓度、不透光烟度值。

3.根据权利要求1所述的基于共同训练的机动车尾气遥测与车检结果一致性方法，其特征在于：步骤1中数据集格式如下：

(1)机动车尾气排放数据集中的每条样本数据应包括每辆机动车尾气遥测数据集部分、车辆年检数据集部分以及机动车年检判定结果，每条样本数据属性组成如下：

其中，D⁽ⁱ⁾表示机动车尾气排放数据集的第i条样本数据，表示第i条样本数据中的尾气遥测数据集部分，表示第i条样本数据中的车辆年检数据集部分；

(2)尾气遥测数据集中属性组成如下：

其中，尾气遥测数据集的数据属性依次分别表示CO、HC、NO的体积浓度、不透光烟度值、速度、加速度、基准质量、发动机排量、比功率、风速、使用年限、机动车长度、使用性质、催化转化器、温度、大气压强、相对湿度；

(3)车辆年检数据集的属性组成如下：

其中，车检年检数据集的数据属性依次分别表示机动车年检时的温度、大气压强、相对湿度，S⁽ⁱ⁾表示第i条样本数据的机动车年检判定结果；

(4)将机动车年检判定结果进行二值化分类，定义如下：

S⁽ⁱ⁾＝{0,1}

其中，将0定义为机动车年检判定结果超标，将1定义为机动车年检判定结果合格，车辆年检判定结果为第i条样本数据的标签。

4.根据权利要求1所述的基于共同训练的机动车尾气遥测与车检结果一致性方法，其特征在于：所述步骤1中对采集到的数据进行数据清洗的步骤包括：

(1)对于数据中的缺失值，采用同类均值插补的方法，即根据数据标签分为车检合格与超标两类，分别以该类中样本的均值来插补同类别的缺失值；

(2)将发动机排量、基准质量、使用年限、机动车长度、比功率、速度、加速度、温度、相对湿度、大气压强、风速、不透光烟度值、CO、HC、NO的体积浓度，进行归一化处理，计算的公式如下：

其中，x表示某项数据属性中某条样本值，x_max表示某项数据属性中的最大值，x_min表示某项数据属性中的最小值，x′表示归一化处理后的数值。