ty -jour a2 -Mishra，Rakesh au -Xu，Zhenyi au -Wang，Ruibin au -Kang，Yu au -Zhang，Yujun au -xia，Xiushan au -Wang -Wang，Renjun PY -2021 DA -2021/30 TI-2021/30 TI-2021/30 TI-30 TI-2021/30 TI-30具有多源外部影响SP的柴油车辆的深度转移NOX发射反转模型SP -4892855 VL -2021 AB-通过在测试车辆上安装板载诊断（OBD），可以实时监控施工后的置换排气排放量基于周期的排放模型，可以为构建移动源排放的动态排放清单提供数据支持。但是，在实际的车辆排放检测系统中，由于设备的安装成本以及车辆驾驶条件，发动机操作条件和驾驶行为模式的差异，因此无法确保不同车辆的排放监视数据始终遵循相同的分布。传统的机器学习发射模型通常假设训练集和测试集的排放测试数据是从相同的数据分布中得出的，并且使用统一的发射模型来估算不同类型的车辆，而忽略了监视数据分布的差异。在这项研究中，我们尝试基于深层传输学习框架来建立一个柴油车辆NOX排放预测模型，并使用一些排放监视数据。提出的模型首先使用Spearman相关分析和LASSO特征选择来完成与来自多个外部因素的NOX发射高相关因素的选择。然后，堆叠的稀疏自动编码器用于将不同的车辆工作条件排放数据映射到相同的特征空间中，然后，通过最大程度地减少特征空间中的最大平均差异（MMD）来实现不同车辆工作条件排放数据特征的分布对齐。。最后，我们用Hefei环境保护局收集的柴油车辆OBD数据验证了所提出的方法。综合实验结果表明，我们的方法可以在不同的车辆工作条件下实现发射数据的特征分布对齐，并在给定少量NOX发射监测数据的情况下改善NOX反转模型的预测性能。 SN - 0197-6729 UR - https://doi.org/10.1155/2021/4892855 DO - 10.1155/2021/4892855 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -