本发明公开了一种基于神经网络的锂离子电池
负极材料能量密度预测方法,其特征在于,包括以下步骤:步骤1:采集材料数据,并对材料数据进行预处理后得到总样本集,将分为测试集样本和训练集样本;步骤2:构建BP神经网络模型;步骤3:初始化BP神经网络模型的各项参数;步骤4:对BP神经网络模型进行训练,得到最佳的预测网络;步骤5:对BP神经网络模型的拟合度进行测试;步骤6:在经过拟合度测试后的BP神经网络模型中输入待预测样本进行预测,得到负极材料能量密度。本发明可以很好的预测
锂离子电池负极材料的能量密度,且过程快速稳定。
声明:
“基于神经网络的锂离子电池负极材料能量密度预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)