小样本高精度预测
小样本训练下仍能保持高精度和强泛化能力的锂离子电池剩余寿命预测新方案。
家承 · Zhifei, Li · Zhao, Ke · Kai, Wang · Siyu, Wang · 刘贞报
Journal of Energy Storage 2024
模型结合 CNN 与深度双向 LSTM，充分挖掘有限数据中的特征，在训练数据比例较低时仍能保持低误差。
在不同训练数据比例下，NASA 数据集的 RMSE 保持在 0.011 左右，MAE 在 0.006 左右，预测稳定性好。
在 CALCE 数据集的多种训练比例和长期预测场景下，RMSE 与 MAE 均保持在 0.025 左右，体现强鲁棒性和泛化能力。