项目背景:根据宝马客户要求，准确评估电池寿命质保年限
主要工作:
项目理解:查找电池寿命预测相关资料，理解业务需求，根据现有的硬件选择合适的算法
数据预处理:数据探索，异常值处理，缺失值填充，归一化
特征工程:分析业务特点，搜集行业经验，基于决策树模型进行原始特征选取，利用电化学模型提取新提取
模型训练:利用提取的特征作为输入，使用torch构建lstm网络，并利用网格搜索进行参数调优
模型融合:将同事的电化学模型跟本模型进行融合，增加有用信息，修正不同场景温度，提高模型准确度
个人收获:最开始只有一个电化学模型，但是建模成本极高，针对特殊场景需要反复更新模型参数，不利于部署bms系统，而基于数据驱动模型无法解释电池内部机理老化，结合两者的优势，能有效提高模型的准确度。
