基于ARIMA-LSTM与RBF-NOA的车速工况预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：汽车能量的分析和管理离不开具体的行驶工况条件，因此车辆工况的构建和预测显得尤为重要。针对商用车，对典型车速工况进行数据处理后，首先利用ARIMA模型捕捉车速时间序列的趋势和周期性变化，判断时序数据是否具有季节性，然后，分别利用ARIMA-LSTM和NOA-RBF完成时间序列预测。结果表明，两种组合算法的应用提高了预测的精度和鲁棒性，降低了预测时间，为后续的能量管理与分析、控制以及智能驾驶奠定了坚实基础。（剩余4993字）

试读结束

目录
monitor