.png){kind=icon}
返回
Machine learning vehicle fuel efficiency prediction
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-96999-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决低燃油效率车辆在燃油消耗方面面临的挑战，必须认识到若干因素。识别燃油效率预测的关键因素对于做出准确决策至关重要。因此，我们提出了一种综合框架，利用机器学习通过整合各类车辆信息来预测燃油效率。该方法包含一个预测模型和分析框架，利用关键车辆属性（如燃料类型、发动机排量和车辆等级）来提升预测精度。我们进行了比较研究，使用了六种机器学习模型。为评估机器学习模型，采用了MSE（均方误差）、RMSE（均方根误差）、MAE（平均绝对误差）和R-squared ($$R^2$$ Score)指标。我们实验了SHAP（Shapley Additive Explanations）、LIME（Local Interpretable Model-agnostic Explanations）和优势比分析，以评估各类因素对燃油效率的影响。我们确认所提出的方法能够预测燃油效率。极端梯度提升回归器和随机森林回归器展示了高预测精度，尤其在捕捉非线性关系方面表现突出。我们还强调了识别标记以支持决策的重要性，为影响燃油效率预测的关键因素提供了关键见解。
Keyword:
Vehicle Fuel
Fuel consumption
Machine learning
Fuel Marker
Fuel Framework
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏分享收藏Analysis of Fuel Economy of Mild Hybrid Vehicle by the Backward Simulation with Considering Power Loss of Oil Pump通过考虑油泵功率损失的后向仿真对轻度混合动力汽车燃油经济性的分析OAAI
OAAI分享收藏Trip Based Modeling of Fuel Consumption in Modern Heavy-Duty Vehicles Using Artificial IntelligenceEnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容