基于虚拟样本生成的分子水平汽油使用过程碳排放建模研究

在碳达峰、碳中和的战略背景下,汽油作为高碳排放行列的一员,面临着CO_(2)减排的挑战。基于气相色谱得到的汽油组成数据和通过新欧洲驾驶循环得到的汽油CO_(2)排放量数据,按照PONA组成、碳原子数和取代基个数对汽油组分进行分类整理,采用层次聚类方法对汽油组成数据进行聚类,并按聚类结果划分训练集和测试集,建立了燃油汽车行驶每千米CO_(2)排放量的先验模型,旨在为生产低碳排放汽油提供数据支撑。由于数据样本范围较小且比较集中,先验模型在预测CO_(2)排放时适用性较差,因此提出基于半径近邻分类的多分布整体趋势扩散技术(RNC-MD-MTD)并以此方法生成虚拟样本。结果表明,随着RNC-MD-MTD方法生成的虚拟样本加入,模型的预测精度得到了有效提升,证明了该方法的有效性,最终建立的燃油汽车行驶每千米CO_(2)排放预测模型的决定系数为0.98,平均绝对百分比误差为0.29%,均方根误差为792.6 mg/km。