[发明专利]深度特征聚类的高排放移动源污染识别方法及系统

权利要求书

1.一种深度特征聚类的高排放移动源污染识别方法，其特征在于，包括以下步骤，

S10、收集机动车尾气遥测数据和车检数据；

S20、对收集的尾气数据进行预处理；

S30、对预处理后的数据，采用随机森林对尾气排放中成分—CO、HC、NO与实际影响因素进行评估，选择出各污染气体的影响特征因素；

S40、根据步骤S30得到的影响各污染气体排放浓度的因素，采用聚类算法分别对CO、HC、NO进行聚类，得到高排放移动污染源的类别标签；

S50、根据步骤S40得到的高排放移动污染源的类别标签，更新数据集，通过深度森林算法训练得到高排放移动污染源的分类识别模型；

S60、利用训练好的高排放移动污染源的分类识别模型对尾气数据进行污染物识别。

2.根据权利要求1所述的深度特征聚类的高排放移动源污染识别方法，其特征在于：所述S10收集机动车尾气遥测数据和车检数据，具体包括，

(11)从遥测系统采集的数据包括：设备号，检测车辆通过时间，车牌号码，车辆颜色，识别置信度，车辆行驶速度，加速度，车身长度，CO实测浓度，HC实测浓度，NO实测浓度，烟度值，是否动态/静态测量，数据是否有效，是否通过，比功率，烟度值，风速，风向，气温，湿度，大气压；

(12)从车检系统采集的数据包括：车牌号码，最大质量，变速器形式，档位数，燃油规格，车辆类型，使用性质，基准质量，驱动方式，驱动轮胎气压，发动机型号，发动机生产企业，发动机排量，是否有催化转化器，排气后处理装置。

3.根据权利要求2所述的深度特征聚类的高排放移动源污染识别方法，其特征在于：所述S20对收集的尾气数据进行预处理，具体包括：

(21)通过车牌号将遥测数据与车检数据中的不同特征属性合并成全面的尾气数据信息；

(22)找出存在缺失值的数据段进行丢弃处理，再借助箱线图原理找出异常值进行丢弃处理，并删除无关属性；无效属性删除后，剩余基准质量，行驶速度，行驶加速度，比功率，风速，风向，气温，湿度，大气压，车身长度，使用年限为相关外部属性。

4.根据权利要求3所述的深度特征聚类的高排放移动源污染识别方法，其特征在于：所述S30对预处理后的数据，采用随机森林对尾气排放中成分—CO、HC、NO与实际影响因素进行评估，选择出各污染气体的影响特征因素，具体包括，

输入尾气污染物CO、HC、NO分别和相关外部属性特征构成特征选择集合A_i＝{a_i0,a_i1,a_i2,…,a_i11}(1≤i≤3)，其中，a_i0表示污染物特征值，a_ij(1≤j≤11)表示影响属性特征值，使用随机森林进行特征选择的方法如下：

(31)确定输入样本N和特征维数M；

(32)对输入样本进行有放回采样，同时对特征M随机采样，利用GINI指数、采用完全分裂的方式构造决策树；

(33)重复步骤(32)构建N棵决策树组成随机森林，对于第n棵决策树(1≤n≤N)，利用其袋外数据(outofbag,OOB)计算袋外数据误差，记为E_n1；

(34)随机对袋外数据OOB所有样本的特征x_i加入噪声干扰值，再次计算袋外数据误差，记为E_n2；

(35)特征x_i的重要性评分VIM_i计算方式如下：

(36)计算出M个特征各自的重要性评分和平均值α(1/M)，选取VIMα的特征作为特定影响特征。