主成分分析与神经网络结合的燃油消耗预测.pdf

015 年 月 第 卷 第 期 2 6 53 6 农业装备与车辆工程 Vol． 53 No． 6 June 2015 第 卷第 期 53 6 AGRICULTURAL EQUIPMENT VEHICLE ENGINEERING doi ：10．3969 ／ j．issn．1673－3142．2015．06．012 主成分分析与神经网络结合的燃油消耗预测 张登1 , 祖春胜2, 赵超超1 （1． 710064 陕西省 西安市长安大学汽车学院； 2． 230009 安徽省 合肥市合肥工业大学机械与汽车工程学院） ［摘要］ 从车型、发动机、变速器和轮胎等方面分析了与汽车燃油消耗相关的影响因素，通过主成分方法对影 响汽车燃油消耗的变量进行了压缩,消除了各变量之间的线性相关性。再利用BP 神经网络对主成分的得分进 行预测，建立燃油消耗预测模型。 结果表明，与传统BP 神经网络相比，采用主成分分析与神经网络相结合的 燃油消耗预测模型简化了神经网络结构，提高了预测精度，为预测汽车燃油消耗量提供了新的思路。 ［关键词］ 影响因素；主成分分析； 神经网络；燃油消耗预测 BP ［中图分类号］ U471．23 ［文献标志码］ A ［文章编号］ 1673-3142(2015)06-0047-06 Principal Component and Neural Network Combined Fuel Consumption Forecast Zhang Deng1 , Zu Chunsheng2 , Zhao Chaochao1 （ ． School of Automobile ， n University ， ’ City ， i Province 710064 ， ； 1 Changa Xi an Shaanx China 2． School of Mechanical and Automotive Engineering ， Hefei University of Technology ， Hefei City ， Anhui Province 230009 ， China） ［Abstract ］ Currently ， forecast of vehicle fuel consumption has more practical economic significance and value for automobile manufacturers and consumers． In the paper ， the influence factors on vehicle fuel consumption are analyzed such as vehicle ， ， ， model engine transmission and tire etc the variables affecting fuel consumption are compressed by principal components for eliminating linear relevance correlation of variables． Principal component scores are predicted by BP