第４２卷第１期２０２３年２月山东科技大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．４２Ｎｏ．１Ｆｅｂ．２０２３ＤＯＩ：１０．１６４５２／ｊ．ｃｎｋｉ．ｓｄｋｊｚｋ．２０２３．０１．０１１文章编号：１６７２－３７６７（２０２３）０１－０１００－１０基于自步集成学习的非道路移动机械排气烟度预测模型许小伟１，肖喆１，王明达２，祝能１，钱枫１，肖宁强３（１．武汉科技大学汽车与交通工程学院，湖北武汉４３００６５；２．中国环境科学研究院，北京１０００１２；３．微宏动力系统（湖州）有限公司，浙江湖州３１３０００）摘要：非道路移动机械逐步成为减排潜力挖掘的重点。本研究对山东省１６个地级市共计１３４１３台非道路移动机械开展排气烟度实测工作，通过分析机械排气烟度值和烟度检测合格率随机械类型、使用年限、功率的分布情况及所属经济圈的变化规律，绘制山东省排气烟度污染空间分布图；在分析单变量影响因素的基础上，选取６类易获取的机械属性作为特征参数，基于自步集成学习算法构建叉车烟度检测结果预判断模型。结果表明：非道路移动机械标准从国Ⅰ提升至国Ⅱ、国Ⅱ提升至国Ⅲ，排气烟度分别减小了３３％和５０％；推土机、沥青摊铺机、工业钻探设备以及叉车的整体排放状况较差；山东省三大经济圈的机械保有量从大到小依次为胶东＞省会＞鲁西南，机械整体排放状况从好到差依次为省会＞胶东＞鲁西南；自步集成学习算法在决策树和Ｋ近邻两个分类器下获得了所有模型评价指标的最高值，其在不平衡数据上具有更好的分类性能。关键词：非道路移动机械；排气烟度；不平衡学习；自步集成学习；预测模型中图分类号：Ｘ５１１文献标志码：Ａ收稿日期：２０２１－１２－２９基金项目：国家自然科学基金项目（５１９７５４２６）；武汉市科技计划项目（２０１９０１０７０１０１１３９３）作者简介：许小伟（１９８３—），男，湖北武汉人，副教授，博士生导师，主要从事汽车电子控制与故障诊断、汽车排放控制技术、汽车智能网联技术等方面的研究．Ｅ－ｍａｉｌ：ｘｕｘｉａｏｗｅｉ＠ｗｕｓｔ．ｅｄｕ．ｃｎ王明达（１９８２—），男，北京人，工程师，硕士，主要从事机动车污染物排放检测研究，本文通信作者．Ｅ－ｍａｉｌ：ｗａｎｇｍｉｎｇｄａ＠ｖｅｃｃ－ｍｅｅ．ｏｒｇ．ｃｎＰｒｅｄｉｃｔｉ...
