车载尾气排放检测设备（PEMS）能够准确反映机动车实际道路中的尾气污染排放情况，已被我国环境保护部和国家质检总局写入国家第六阶段机动车污染物排放标准中。项目一研究团队依托车载设备和实验数据，发明了一种基于并行注意力时空编解码长短期记忆网络（PA-LSTM）的道路机动车尾气高排放预警方法，充分考虑影响道路机动车尾气排放的多特征因素，提高尾气排放预测精度并具有较大的适用范围，从而有效预测机动车即将发生的高排放现象，并及时将预警信息反馈至机动车的发动机控制系统，使其能够改变尾气控制策略，以避免机动车即将发生的高排放现象。主要发明内容包括：（1）利用PEMS和OBD检测设备共同采集机动车尾气排放数据，并对尾气排放数据集进行缺失数据补偿和归一化预处理；（2）建立由空间并行注意力编码层和时间注意力解码层组成的Parallel-Attention-LSTM网络模型；（3）采用网格遍历搜索法确定模型的超参数，并结合自适应学习率算法优化模型参数，完成预警模型训练；（4）采用误差检验，消除测试集检测值中的异常点和抑制基线漂移；（5）设置机动车各类尾气的高排放警戒阈值，当模型的预测值高于设置的警戒阈值时，模型会提前将预警信息反馈至机动车发动机控制系统，使其能及时改变尾气控制策略，以避免高排放现象的发生。所提出的方法相比于传统的LSTM网络，预测误差RMSE减少了49.62%，MAE减少了46.45%，MAPE减少了35.67%，预测精度R2增加了4.28%，模型的平均预警准确率为87%，相比于LSTM增加了11.25%。