RDWKCPSO—PCA—BPNN的汽车燃油消耗预测

针对不同乘用车综合工况下理论百公里燃油消耗数据，文章提出了一种基于主成分分析（principal component analysis, PCA）和BP神经网络（back propagation neural network, BPNN）的燃油消耗预测模型；通过PCA方法对选取影响理论燃油消耗的24个因素进行压缩，简化模型结构，再利用BPNN算法，构建燃油消耗预测模型；由于神经网络中的权值和阈值对预测模型效果影响较大，采用基于随机动态惯性权重和Kent映射的混沌粒子群算法（RDWKCPSO）优化PCA-BPNN模型中的权值和阈值。对3种标准函数的寻优测试结果表明，RDWKCPSO优化算法更容易跳出局部最优实现全局寻优，提高了模型适应能力及预测精度。