[发明专利]数据自迁移的多车型柴油车排放预测方法及系统

权利要求书

1.一种数据自迁移的多车型柴油车排放预测方法，其特征在于：包括以下步骤，

S10、获取已有车型柴油车的速度-排放数据，采集目标车型柴油车的设定量速度-排放数据并进行数据预处理；

S20、构建弱共享特征提取模块，对已有车型和目标车型柴油车的速度曲线数据进行速度时序特征提取；

S30、构建迁移模块，利用最大均值差异衡量已有车型和目标车型之间速度时序特征的分布差异，通过最小化差异，从而使特征提取模块提取到尽可能相似的特征，即学习到已有车型和目标车型关于速度-排放共有特征；

S40、针对已有车型和目标车型分别构建预测模块，以速度-排放共有特征为预测模块的输入，分别对已有车型和目标车型的下一时刻尾气排放进行预测；

所述S10获取已有车型柴油车的速度-排放数据，采集目标车型柴油车的设定量速度-排放数据并进行数据预处理具体包括：

S11:获取已有车型柴油车的速度-排放数据,采集少量目标车型柴油车的少量速度-排放数据；

S12:对上述数据进行插值，异常值处理，归一化操作；

S13:对处理后的速度数据和排放数据按照Δt间隔进行划分，求解任意Δt内的平均速度和平均污染值；

以T个时间步建立时间序列和V^s和V^t分别表示已有车型和目标车型柴油车的速度时间序列，t表示目标与测试时刻，和分别表示已有车型和目标车型柴油车在t-T时刻的速度；

将下一时刻的已有车型柴油车尾气浓度值和目标车型柴油车尾气浓度值作为预测标签；

所述S20构建弱共享特征提取模块，对已有车型和目标车型柴油车的速度曲线数据进行速度时序特征提取具体包括：

S21：针对已有车型柴油车利用LSTM构建特征提取模块f^s，其参数为θ^s，则特征提取过程被描述为：

为已有车型柴油车提取到的时序特征；

S22：针对目标车型柴油车同样利用LSTM构建特征提取模块f^t，其参数为θ^t，则特征提取过程被描述为：

为目标车型柴油车提取到的时序特征；

S23：设计弱共享参数机制：

L_θ＝||θ^s-θ^t||²

L_θ为弱共享损失函数，引入弱共享参数机制，可以利用f^s的参数辅助f^t参数的学习。

2.根据权利要求1所述的数据自迁移的多车型柴油车排放预测方法，其特征在于：所述S30构建迁移模块，利用最大均值差异衡量已有车型和目标车型之间速度时序特征的分布差异，通过最小化差异，从而使特征提取模块提取到尽可能相似的特征，即学习到已有车型和目标车型关于速度-排放共有特征具体包括：

S31:应用最大均值差异MMD²对已有车型柴油车特征和目标车型柴油车特征之间的差异进行度量

和分别表示已有车型柴油车的第i个数据样本特征和目标车型的第j个数据样本特征；

通过减少提高已有车型柴油车特征和目标车型柴油车特征之间的相似性，实现已有车型向目标车型的知识传递。