《表1 多步超前预测方法结合5种插值算法的RMSE平均值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于缺失观测值的锂电池剩余寿命估计方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（×103）

对包含15%缺失观测值的不完备数据集，应用多重插值算法对输入子集进行数据填补，本文应用多步超前估计器，分别结合5种不同插值算法计算RMSE值，如表1所示。该实验选取的不完备数据集包含3个滞后输入值，利用前60%观测值进行模型训练。表1说明：5种插值算法结合不同估计器，预测RMSE平均值相当；KELM-RBF估计器的RMSE均大于其他超前估计器，达到18%，OS-ELM估计器的平均值最小，不超过8.9%；ELMSI与OS-ELM结合，RMSE平均值最小，预测效果最好。