HHO-LightGBM排放预测模型

较单一决策树更准

一种优化的集成学习模型，用于高精度预测低速二冲程船机的NOx和碳烟排放，减少排放标定耗时。

陈月 · Yulong, Shen · Miaomiao, Wen · Cunfeng, Wei · 梁俊杰 · Yuanqiang, Li · Sun, Ying

Energies 2024

参数信息

MAE降低幅度

20 %

MSE降低幅度

30 %

R²提升幅度

0.005

技术优势

预测精度高

相比单一决策树模型，LightGBM集成学习显著提升了预测精度，验证集MAE和MSE大幅降低。

超参数自动寻优

采用Harris Hawks优化算法自动调整LightGBM超参数，无需人工反复试错，进一步提升预测性能。

特征重要性明确

模型分析了各控制参数对排放的影响程度，为特征选择和实际燃烧调整提供指导。

应用场景

• 船用发动机排放控制：高精度排放预测辅助燃烧参数调整，降低NOx和碳烟，满足法规要求。
• 排放预测软测量：模型作为软测量替代昂贵传感器，实时预测排放浓度。
• 发动机数字孪生：提供快速排放预测能力，可作为数字孪生体的核心计算模块。
• 船舶能效管理：通过优化燃烧降低排放同时提升能效，支持船舶能效管理。