基于改进符号回归算法和XGBoost算法的剩余续驶里程预测

doi:10.16088/j.issn.1001-6600.2021042106

广西师范大学学报（自然科学版） ›› 2022, Vol. 40 ›› Issue (02) : 27 -36. DOI: 10.16088/j.issn.1001-6600.2021042106

作者信息 +

Author information +

文章历史 +

PDF

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。