典型文献
基于改进符号回归算法和XGBoost算法的剩余续驶里程预测
文献摘要：
提高剩余续驶里程预测精度可以缓解驾驶人的"续航焦虑",帮助车厂开发精细的电池管理系统,提高纯电动汽车的接受度.基于改进符号回归算法自动生成与标签字段高度相关的新数据特征字段,实现数据维度扩充.再将维度扩充后的数据传入经过超参数调优的XGBoost模型预测剩余续驶里程.对比仅使用经典特征字段的原始数据,维度扩充后的数据在预测精度上最大相对绝对误差下降4.9％,平均绝对误差和均方根误差下降超过20％,且随着时间的增加,使用维度扩充后的数据进行预测的误差下降更快.结果证明提出的方法可以优化数据集质量,提高预测结果的精确度并减小误差,为纯电动汽车剩余续驶里程预测提供了新的思路.
文献关键词：
纯电动汽车;剩余续驶里程预测;改进符号回归;特征构造;XGBoost算法
中图分类号：
作者姓名：
田晟;甘志恒;吕清
作者机构：
华南理工大学 土木与交通学院, 广东 广州510641
文献出处：
引用格式：
[1]田晟;甘志恒;吕清-.基于改进符号回归算法和XGBoost算法的剩余续驶里程预测)[J].广西师范大学学报（自然科学版）,2022(02):27-36
A类：
改进符号回归,剩余续驶里程预测,里程预测
B类：
回归算法,XGBoost,驾驶人,续航,车厂,电池管理系统,高纯,纯电动汽车,接受度,自动生成,签字,字段,新数据,数据特征,数据维度,传入,超参数调优,原始数据,差下,平均绝对误差,减小误差,特征构造
AB值：
0.207349
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
