针对给定铅酸电池放电的采样数据，预测电池的剩余放电时间为研究目的，通过运用MATLAB软件，画出电池放电曲线，采用曲线拟合的方法，建立电池剩余放电时间的初等函数模型，模型精度用平均相对误差MRE评估。根据所建立的电池放电时间的数学模型，得到如下结论：1）电压从9.8 V降到9.0 V时，电池在不同的恒定电流荷载下，剩余放电时间（min）分别为942，605，434，331，277，251，257，201，187.4；2）电池在恒定电流55 A荷载下的放电曲线是u=-6.998×10-10t3+10.425×10-6t2-0.001356t+10.57； 3）电池在衰减状态3的情况下，剩余放电时间为264.7 min。

lstm学习资料，可以使用，效果较好，希望满意(LSTM learning materials, can be used, the effect is better, hope to be satisfied)

第三章：智慧城市道路通行时间预测

2018年京东JDATA算法 大赛:"如期而至"-用户购买时间预测，方案分享-附件资源

lstm学习资料，可以使用，效果较好，希望满意

lstm学习资料，可以使用，效果较好，希望满意

基于门控递归单元神经网络的高速公路行程时间预测.pdf

神经网络LSTM 时间预测源代码，如有需要，请大家下载！！！5积分就好~

Jdata 如期而至-用户购买时间预测 最终成绩 0.3438(S1:0.4802/S2:0.2529) 排名26，参赛人数5182 队伍 队伍名称 MADE 队长：kmyf 队员：chenxj 说明 运行环境 python3 需要安装的包 lightgbm、pandas、numpy、sklearn 运行 将数据集放在data文件夹下，运行lgb.py 前言 这是第一次取得还算自己满意的成绩（虽然在大佬看来不是很好），感觉这个比赛也付出了很多，花了很多时间，从找特征找模型，尝试过很多方法，也参考了很多大佬的开源，所以在这里也将自己的代码开源出来，向开源致敬 赛题回顾 竞赛概述 京东多年来在保持高速发展的同时，沉淀了数亿的忠实用户，积累了海量的真实数据。如何从历史数据中找出规律，高效解决客户实际问题、提升客户购物体验，是大数据应用在精准营销中的关键问题，也是所有电商平台在做智能化升级时

2018年京东JDATA算法 大赛:"如期而至"-用户购买时间预测，方案分享-附件资源