一种基于神经网络的新能源汽车剩余里程预测方法

一种基于神经网络的新能源汽车剩余里程预测方法，涉及新能源汽车领域，设计了双向递归神经网络BRNN，能够从多时间维度提取特征并捕捉时序数据的动态变化特性，使得预测模型能够更准确地反映实际驾驶过程中能耗的变化，提高了剩余里程预测的精度。采用基于缩放点积注意力机制的多储层回声状态网络DAMESN模型进行剩余行驶里程预测，结合深度特征向量和缩放点积注意力机制高效捕捉复杂的非线性关系，增强了模型的泛化能力和预测精度的同时优化了驾驶体验，帮助驾驶者更准确地规划行程，减少电量耗尽的风险。