燃料电池性能预测算法的适用性研究

【摘要】 基于机器学习理论的预测类算法可以有效弥补机理模型在黑箱类问题上的短板，结合燃料电池发动机在工作过程中特有的数据结构和特点，引入自适应学习因子，研究BP神经网络、ELman神经网络、模糊神经网络、广义回归神经网络、径向基神经网络、小波神经网络、极限学习机和支持向量机共8个常用于燃料电池性能预测的基础预测模型在燃料电池特有工况下的最大预测精度，探索基于燃料电池电化学特性的最优基础模型。结果表明，广义回归神经网络更具有预测优势，模型可决系数高达0.9908，均方误差和平均绝对误差分别低至0.1125和0.1767。更多还原