摘要
本发明涉及一种基于堆叠模型的电动物流卡车能耗预测方法,包括以下步骤:步骤1、构建关键指标数据集:对原始数据集进行预处理,建立重要指标筛选系统;步骤2、对数据集划分及归一化,分别训练各个基础模型,获取其在不同维度上的预测能力,并将其输出的预测值组合形成新的特征数据集,最终传入线性回归模型进行再拟合,构建预测柴油车能耗的堆叠模型;步骤3、构建基于堆叠模型的电能消耗预测迁移模型,将原数据集中柴油卡车的特征参数替换为电动卡车特征数据,以实现电动物流卡车能耗的预测。本方法整合物流企业的柴油卡车运行数据,利用强化学习算法筛选关键影响因子,构建高质量数据集;通过已训练完成的堆叠模型预测电动卡车的电能消耗情况。
技术关键词
能耗预测方法
卡车
XGBoost模型
物流
线性回归模型
筛选系统
LightGBM模型
指标
GPS轨迹数据
专用检测系统
线性拟合方式
柴油
车辆动力学模型
电机额定功率
网格搜索算法
最佳参数组合
系统为您推荐了相关专利信息
样本
SVR模型
支持向量回归方法
速率预测技术
多元线性回归模型
智能控制方法
光伏逆变器
皮尔逊相关系数
线性回归方程
线性回归模型
横向弛豫时间
低场磁共振
反演方法
后验概率
数据
需求预测模型
贸易
智能优化算法
生成反馈信号
智能优化方法
数据存储单元
物流
客户端
优化调度策略
车辆运输控制