以新能源汽车监管平台数据为基础,深入分析电池荷电状态(state of charge,SOC)、电池温度、电池电压、电流、车速、总电流、总电压与行驶里程的关联关系,找出关联数据属性,以关联数据为输入参数,研究行驶里程预测。建立多元回归机器学...以新能源汽车监管平台数据为基础,深入分析电池荷电状态(state of charge,SOC)、电池温度、电池电压、电流、车速、总电流、总电压与行驶里程的关联关系,找出关联数据属性,以关联数据为输入参数,研究行驶里程预测。建立多元回归机器学习预测模型,并基于新能源汽车行驶历史数据,构建预测模型的数据集,用python编程,实现行驶里程预测模型机器学习训练和模型检验。结果表明,预测模型预测精度为95%,能够快速准确地预测出行驶里程,可为新能源汽车行驶里程预测提供参考依据,具有实用性和可靠性。展开更多
文摘以新能源汽车监管平台数据为基础,深入分析电池荷电状态(state of charge,SOC)、电池温度、电池电压、电流、车速、总电流、总电压与行驶里程的关联关系,找出关联数据属性,以关联数据为输入参数,研究行驶里程预测。建立多元回归机器学习预测模型,并基于新能源汽车行驶历史数据,构建预测模型的数据集,用python编程,实现行驶里程预测模型机器学习训练和模型检验。结果表明,预测模型预测精度为95%,能够快速准确地预测出行驶里程,可为新能源汽车行驶里程预测提供参考依据,具有实用性和可靠性。