高圧直接噴射（HPDI）ディーゼル/天然ガスデュアル燃料エンジンは、熱効率を向上させ、汚染物質排出を削減する可能性があるため、重要な研究対象です。しかし、その複雑で変動する燃焼プロセスは、モデル化およびシミュレーション作業に対する課題をもたらします。本研究では、機械学習アルゴリズムに基づくHPDIエンジンの多段熱放出をモデル化するための科学的フレームワークが提案されています。まず、アクティブサブスペース感度分析法と三重ウィベ関数フィッティング法を用いて、重要なエンジン操作条件パラメータを独立変数として、ウィベ関数パラメータを多段熱放出予測モデルの従属変数として特定しました。次に、実験値に最も近いターゲットテストセット上で熱放出率を計算するサポートベクターレグレッション（SVR）アルゴリズムが、複数の機械学習アルゴリズムの中から選択され、多段熱放出予測モデルが構築されました。同時に、このモデルはハイパーパラメータを最適化するためにGridSearchCV法を統合しており、テストセットで0.95を超えるR²の高い予測精度を達成しました。最後に、モデルの一般化能力を向上させるために、条件付きタブラージェネラティブ対抗ネットワーク（CTGAN）を使用して、トレーニングセットの元の限られたデータセットを拡張しました。その結果、新しい多段熱放出予測モデルは、利用可能な実験条件に対する燃焼パラメータCA10およびCA50に対してキャリブレーションされました。提案された新しいモデル化フレームワークは、高い予測精度、強い一般化能力、およびモデルキャリブレーションに必要な実験データの少なさの面で利点を示しました。
Li et al. (Mon,)がこの問題を研究しました。