[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

说明书

技术领域

本发明涉及一种机动车尾气排放因子估计方法，属于环境处理技术领域。

背景技术

目前，我国的空气质量问题非常严重，灰霾现象时有发生，特别是京津冀地区更加常见。研究表明，机动车尾气排放是城市空气污染的重要来源。我国亟需采取适当措施以减少机动车尾气排放，而制定措施的前提是我们对机动车尾气排放情况具有清楚的了解。机动车尾气排放因子可反映机动车的排放水平，对机动车尾气排放因子的传统评估方法是建立影响机动车排放的参数与污染物排放之间的关系，称之为排放因子模型。国外研究排放因子模型的时间较长，已经建立了MOBOLE、EMFAC、IVE、CMEM、COPERT等多个模型。而大部分都是通过台架试验的方法得到数据建立模型，由于实际道路情况复杂，这样的模型无法真实反映在实际道路上行驶的机动车的尾气排放。近年来，利用隧道试验来评估排放因子的方法得到了广泛的应用，该方法通过现场收集车流和气象数据，测量隧道进出口污染物浓度，利用质量平衡计算出各种污染物的排放因子，从而反映出实际路况下机动车污染物的排放特性。但由此得到的往往是平均行驶速度下的排放因子或总测试时段内的平均排放因子，因此无法考察机动车行驶工况(不同瞬态车速和加/减速度)对排放特性及排放因子的影响。

申请号201510745166.0的发明专利公布了一种基于机动车比功率的速度对车辆排放因子修正方法，根据车辆行驶速度计算机动车比功率，得到不同速度区间的比功率分布情况，并利用平均速度计算的修正系数对其进行修正。该方法在计算过程中不仅需要车辆的速度、加速度数据，还需要基本排放因子、MOVES数据库中的排放率等数据的输入，计算过程较复杂；另一方面，该方法只考虑行驶工况，并未将气象条件对机动车尾气排放的影响考虑在内。

由于现在一些城市已经采用安装在道路旁的机动车尾气遥感监测设备来获取机动车行驶时的真实尾气排放水平，然而每个城市仅安装了少量机动车尾气遥感监测设备，只能对行驶在安装设备的道路上的机动车进行监测。这些机动车尾气遥感监测设备所获取的部分机动车真实的尾气排放数据为评估机动车尾气排放因子提供了基础。

发明内容

本发明技术解决问题：为克服排放因子模型采用台架试验获取数据评估机动车排放，与实际道路状况存在偏差，本发明提供一种基于MLP神经网络的机动车尾气排放因子估计方法，可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、风向与风速的数据，建立MLP神经网络来估计机动车尾气排放因子。

本发明技术解决方案：一种基于MLP神经网络的机动车尾气排放因子估计方法，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，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；

机动车尾气遥感监测设备的尾气探测器检测机动车尾气中污染物气体的原理如下：位于道路一侧的光源发出特定波长的红外光和紫外光光束，道路另一侧的红外线和紫外光反光镜又将其反射回设备的光源检测器，当道路上有机动车通过时，机动车排放的尾气会对红外光和紫外光产生吸收，使得设备接收到的光强减弱，通过分析接收光光谱的变化情况便可计算出车辆行驶排放CO2、CO、HC及NO的体积浓度。同时，机动车尾气遥感监测设备的速度加速度检测器利用车轮通过两条对射光路的时间间隔测量机动车的速度与加速度；机动车尾气遥感监测设备的图像采集设备可获取机动车的车型，我们将机动车分为四类，即轻型汽油车、重型汽油车、轻型柴油车和重型柴油车；利用其他辅助设备可获取当前时间、天气、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；

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：