《表2 SOC预测结果量化表》
提示：宽带有限、当前游客访问压缩模式
本文采用了线性回归、Theil-sen和RANSAC算法预测SOC，具体的训练结果如表2所示，其中测试的最优结果用加粗字体表示。
| 图表编号 | XD0090832900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.25 |
| 作者 | 张松、林伟钦、陈德旺、汤平、郑其荣 |
| 绘制单位 | 福州大学数学与计算机科学学院、福州大学数学与计算机科学学院、福州大学数学与计算机科学学院、福建星云电子股份有限公司、福建星云电子股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 不同模拟方法预测独立随机样本SOC (g kg-1)的准确性》2020.12.06
- 《表1 数据信息格式说明：基于数据驱动的电动汽车动力电池SOC预测》2021.01.25
- 《表3 能耗模型特征表：基于数据驱动的电动汽车动力电池SOC预测》2021.01.25
- 《表4 微观特征表：基于数据驱动的电动汽车动力电池SOC预测》2021.01.25
- 《表4 论文节点的不同向量化表示在RA2P2C下的预测结果》2021.01.15
- 《表3 论文节点的不同向量化表示在RAPCPA下的预测结果》2021.01.15
- 《表1 论文节点的不同向量化表示在RAPAPA下的预测结果》2021.01.15
- 《表2 论文节点的不同向量化表示在RA3P2下的预测结果》2021.01.15
- 《表5 SOC的不同预测方法精度比较》2020.09.01
- 《表9 网民情感分类量化模型预测结果》2020.12.15
- 《表1 引入误差量化结果：风电功率物理预测模型引入误差量化分析方法》2020.04.25
- 《表3 预测模型对比：基于熵权法和Elman神经网络相结合的储能系统SOC估计》2020.01.05
- 《表1 三个模型参考容量：交互多模型无迹卡尔曼滤波算法预测锂电池SOC》2020.01.05
- 《表1 算法性能对比表：计及光伏区间预测和储能SOC均衡的配电网优化》2019.11.25
- 《表1 SOC估算方法：基于双脉冲放电的SOC预测》2019.10.25
- 《表1 SOC预测结果分析》2019.10.25
- 《表1 SOC预测样本：基于MFO-ELM的荷电状态软测量模型》2019.08.15
- 《表1 预测精度对比：基于BP神经网络的锂电池SOC在线精确估算》2019.03.05
- 《表1 天气量化处理结果：基于EEMD-SE和GARBF的短期电力负荷预测》2019.01.06
- 《表2 SOC估算结果：锂电池组等效模型构建与SOC估算方法研究》2018.02.10