[发明专利]一种基于MLP神经网络的机动车尾气排放因子估计方法

权利要求书

1.一种基于MLP神经网络的机动车尾气排放因子估计方法，其特征在于包括以下步骤：

步骤1：利用机动车尾气遥感监测设备采集的实际道路上的机动车尾气排放数据，即机动车行驶时排放的CO2、CO、HC及NO的体积浓度，以及其他相关数据，所述其他相关数据包括：机动车的车型、速度与加速度，以及当前温度、湿度、压强、风向与风速；

步骤2：对步骤1中采集到的机动车的尾气排放数据进行预处理，并建立机动车尾气CO、HC及NO的排放因子数据库；

步骤3：基于步骤2所得到的机动车尾气CO、HC及NO的排放因子数据库，以及步骤1中采集到的其他相关数据分别建立针对于CO、HC和NO的MLP神经网络模型，依据MLP神经网络模型即实现机动车尾气排放因子的实时在线估计。

2.根据权利要求1所述的基于MLP神经网络的机动车尾气排放因子估计方法，其特征在于：所述步骤2中，对机动车尾气排放数据进行预处理的方法如下：

根据机动车尾气遥感监测设备采集到的机动车行驶时排放的CO2、CO、HC及NO的体积浓度数据计算机动车尾气CO、HC及NO的排放因子，方法如下：

$CO\left({\mathrm{gL}}^{-1}\right)=\frac{Q}{1+Q+(3Q^{\′}/0.493)}\×\frac{28}{M_{fuel}}\×D_{fuel}$

$HC\left({\mathrm{gL}}^{-1}\right)=\frac{Q^{\′}/0.493}{1+Q+(3Q^{\′}/0.493)}\×\frac{44}{M_{fuel}}\×D_{fuel}$

$NO\left({\mathrm{gL}}^{-1}\right)=\frac{Q^{\′\′}}{1+Q+(3Q^{\′}/0.493)}\×\frac{30}{M_{fuel}}\×D_{fuel}$

其中，CO(gL^-1)、HC(gL^-1)和NO(gL^-1)分别指机动车尾气CO、HC及NO的排放因子，单位是gL^-1；Q为机动车尾气遥感监测设备采集到的CO与CO2体积浓度的比值；Q’为机动车尾气遥感监测设备采集到的HC与CO2体积浓度的比值；Q”为机动车尾气遥感监测设备采集到的NO与CO2体积浓度的比值；M_fuel为机动车燃油的摩尔质量；D_fuel为机动车燃油的密度。