【摘要】：從設(shè)計(jì)參數(shù)特征入手分析影響汽車油耗的因素,利用灰關(guān)聯(lián)分析方法,解析了各設(shè)計(jì)參數(shù)對汽車油耗的影響程度,選擇其中灰關(guān)聯(lián)度較大的設(shè)計(jì)參數(shù)作為輸入數(shù)據(jù),綜合工況油耗作為輸出數(shù)據(jù),構(gòu)建6-5-1層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,并利用遺傳算法獲得優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,然后訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)得到最優(yōu)值,最后以國內(nèi)市場340款汽車作為研究樣本,進(jìn)行有效性驗(yàn)證.研究結(jié)果表明,模型利用灰關(guān)聯(lián)分析獲得影響汽車油耗的主要因素,簡化了網(wǎng)絡(luò)結(jié)構(gòu);與優(yōu)化前的BP神經(jīng)網(wǎng)絡(luò)相比,具有更高的預(yù)測精度和可靠性.
[Abstract]:Based on the characteristics of design parameters, the factors affecting automobile fuel consumption are analyzed. The degree of influence of each design parameter on automobile fuel consumption is analyzed by using grey correlation analysis method, and the design parameters with high grey correlation degree are selected as input data. The BP neural network prediction model with 6-5-1 layer structure is constructed by synthesizing the fuel consumption as the output data, and the weight and threshold of the optimized BP neural network are obtained by using genetic algorithm, and then the optimal value is obtained by training the BP neural network. Finally, 340 models of domestic market are used as research samples to verify their effectiveness. The results show that the main factors affecting automobile fuel consumption are obtained by grey correlation analysis, and the network structure is simplified. Compared with the BP neural network before optimization, the model has higher prediction accuracy and reliability.
【作者單位】： 湖南商學(xué)院會(huì)計(jì)學(xué)院;中南大學(xué)商學(xué)院;長沙學(xué)院經(jīng)濟(jì)管理系;
【基金】：國家自然科學(xué)基金(71172101) 湖南省教育廳重點(diǎn)資助項(xiàng)目(14A017) 湖南省社科基金(湘哲社領(lǐng)[2011]12) 長沙市科技計(jì)劃項(xiàng)目(k1407037-41)
【分類號(hào)】：U461.8;U471.23;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 姜平;石琴;;基于行駛工況特征的汽車燃油消耗的預(yù)測[J];汽車工程;2014年06期

2 楊凱;周曉艷;;汽車行駛油耗影響因素分析及對策[J];農(nóng)業(yè)與技術(shù);2012年08期

3 張紅;姜潮;閆曉磊;王述建;;基于灰色理論的轎車復(fù)雜路況油耗影響因素優(yōu)勢順序研究[J];中國機(jī)械工程;2012年16期

4 石黎;;基于結(jié)構(gòu)熵權(quán)—灰關(guān)聯(lián)的綠色供貨商評(píng)價(jià)與選擇研究[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

5 李松;劉力軍;解永樂;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流混沌預(yù)測[J];控制與決策;2011年10期

6 范例;司利增;;影響汽車油耗的因素分析[J];農(nóng)業(yè)技術(shù)與裝備;2010年04期

7 隗海林;王勁松;王云鵬;俄文娟;高磊;;基于城市道路工況的汽車燃油消耗模型[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2009年05期

8 姚志良;馬永亮;賀克斌;霍紅;郭濤;;寧波市實(shí)際道路下汽車排放特征的研究[J];環(huán)境科學(xué)學(xué)報(bào);2006年08期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳里里;郝亞如;;基于遺傳支持向量機(jī)的攝像機(jī)標(biāo)定方法研究[J];激光雜志;2016年05期

2 盧敦陸;張歆奕;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)流量預(yù)測[J];現(xiàn)代電子技術(shù);2016年10期

3 寇茜茜;何希平;;基于RBM的神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2016年09期

4 程曉娟;韓慶蘭;全春光;;基于灰關(guān)聯(lián)分析的GA-BP神經(jīng)網(wǎng)絡(luò)在汽車油耗估算中的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2016年08期

5 黃文明;徐雙雙;鄧珍榮;雷茜茜;;改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測[J];計(jì)算機(jī)工程與科學(xué);2016年04期

6 郭彬;;基于空燃比的汽車燃油消耗快速檢測方法[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2016年02期

7 翁nf元;單杏花;;基于EEMD-GA-BP的組合客流預(yù)測算法研究[J];鐵路計(jì)算機(jī)應(yīng)用;2016年03期

8 王炳萱;李國勇;王艷暉;;基于LM-PSO算法和BP神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制[J];太原理工大學(xué)學(xué)報(bào);2016年02期

9 徐慶增;楊美艷;;擁塞車流區(qū)疏散優(yōu)化模型仿真研究[J];計(jì)算機(jī)仿真;2016年03期

10 賈志杰;劉凡;甘德剛;;高斯改進(jìn)和聲搜索FLFNN無源電子元件信號(hào)檢測[J];電子技術(shù)應(yīng)用;2016年03期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張金武;石琴;朱俊虎;;基于車輛行駛特征的燃油消耗分析[J];科技傳播;2011年11期

2 李德慶;李春芳;向鈺;;層次分析法在綠色供應(yīng)商評(píng)價(jià)與選擇中的應(yīng)用研究[J];昆明理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2011年02期

3 羅新星;彭素華;;綠色供應(yīng)鏈中基于AHP和TOPSIS的供應(yīng)商評(píng)價(jià)與選擇研究[J];軟科學(xué);2011年02期

4 牛鴻蕾;;江蘇產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長的動(dòng)態(tài)關(guān)系研究——基于灰色關(guān)聯(lián)模型[J];技術(shù)經(jīng)濟(jì)與管理研究;2010年06期

5 程啟月;;評(píng)測指標(biāo)權(quán)重確定的結(jié)構(gòu)熵權(quán)法[J];系統(tǒng)工程理論與實(shí)踐;2010年07期

6 金紅;曹宏深;魏巍;;汽車覆蓋件沖壓成形灰色關(guān)聯(lián)選材法研究[J];材料科學(xué)與工藝;2010年03期

7 詹樟松;余訓(xùn);蔣樹徽;劉丙軍;徐小剛;閔龍;喬艷軍;石皓天;;長安C10節(jié)能環(huán)保小型汽油機(jī)開發(fā)與研究[J];內(nèi)燃機(jī)學(xué)報(bào);2010年01期

8 李智安;;減少汽車油耗的幾點(diǎn)思考[J];福建工程學(xué)院學(xué)報(bào);2009年06期

9 李松;劉力軍;郭海玲;;短時(shí)交通流混沌預(yù)測方法的比較[J];系統(tǒng)工程;2009年09期

10 隗海林;王勁松;王云鵬;俄文娟;高磊;;基于城市道路工況的汽車燃油消耗模型[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2009年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王振華;美國提出新的汽車油耗標(biāo)準(zhǔn)[J];科技資訊;2005年25期

2 ;政府公布汽車油耗具有積極意義[J];節(jié)能與環(huán)保;2006年12期

3 ;美國政府公布更嚴(yán)格汽車油耗標(biāo)準(zhǔn)[J];交通標(biāo)準(zhǔn)化;2010年10期

4 ;汽車油耗標(biāo)準(zhǔn)及相關(guān)配套政策研討會(huì)在海南召開[J];交通標(biāo)準(zhǔn)化;2011年Z2期

5 白石;;汽車油耗為何冬季比夏季高[J];汽車運(yùn)用;2012年03期

6 莊仲達(dá);白二朋;;影響汽車油耗的因素及降低油耗的對策[J];科協(xié)論壇(下半月);2012年03期

7 陳建明;;汽車油耗的檢測和處理[J];價(jià)值工程;2012年19期

8 孫家凱;;國外的汽車油耗法規(guī)(簡介)[J];長安大學(xué)學(xué)報(bào)(自然科學(xué)版);1981年03期

9 朵朵;;為什么汽車油耗偏高[J];科普天地(資訊版);2008年08期

10 小冰;汽車油耗 都是說明書惹的禍?[J];商業(yè)時(shí)代;2004年34期

相關(guān)會(huì)議論文 前3條

1 李朝陽;;影響汽車油耗的因素[A];第五屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2008年

2 付百學(xué);胡勝海;;基于碳平衡法的汽車油耗智能測試技術(shù)[A];全國農(nóng)村清潔能源與低碳技術(shù)學(xué)術(shù)研討會(huì)論文集[C];2011年

3 王子英;;汽車油耗法規(guī)和發(fā)動(dòng)機(jī)技術(shù)的現(xiàn)狀及發(fā)展趨勢[A];重慶汽車工程學(xué)會(huì)2008年學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 宋時(shí)飛;汽車油耗為何難降[N];中國經(jīng)濟(jì)導(dǎo)報(bào);2014年

2 葛秋芳;荷蘭科學(xué)家開發(fā)出可減少汽車油耗軟件[N];中國石油報(bào);2007年

3 左前;降低汽車油耗五法[N];中國消費(fèi)者報(bào);2004年

4 南辰;政府公布汽車油耗旨在淘汰落后產(chǎn)能[N];中國改革報(bào);2007年

5 記者　 張翼;國家發(fā)改委首次公布汽車油耗數(shù)據(jù)[N];光明日報(bào);2006年

6 記者　丁國元;我國政府首次公布汽車油耗數(shù)據(jù)[N];工人日報(bào);2006年

7 賈新光;汽車油耗造假暴露出更多問題[N];北京商報(bào);2014年

8 CUBN 記者 周洪博;汽車油耗新政5月1日執(zhí)行[N];中國聯(lián)合商報(bào);2013年

9 陳昌成;吉奧汽車油耗“第三方”測試提上日程[N];科技日報(bào);2008年

10 特約記者 孫丹平;汽車油耗將受限制[N];大眾科技報(bào);2004年

相關(guān)博士學(xué)位論文 前1條

1 隗寒冰;重度混合動(dòng)力汽車油耗和排放綜合控制策略研究[D];重慶大學(xué);2012年

相關(guān)碩士學(xué)位論文 前5條

1 付百學(xué);汽車油耗智能檢測技術(shù)研究[D];哈爾濱工程大學(xué);2007年

2 孫新城;汽車油耗測試系統(tǒng)的研究與開發(fā)[D];西北農(nóng)林科技大學(xué);2007年

3 彭勃;高速公路汽車油耗模型研究[D];哈爾濱工業(yè)大學(xué);2014年

4 劉斌;高速公路對汽車油耗及大氣環(huán)境的影響分析[D];哈爾濱工業(yè)大學(xué);2008年

5 王揚(yáng);基于簡易工況法的汽車油耗研究[D];吉林大學(xué);2010年

，

本文編號(hào)：2368950