四模型锂电池剩余寿命预测对比（LSTM、BiLSTM、GRU、BiGRU），NASA数据集，MATLAB代码

锂离子电池在长期充放电循环中容量会逐渐衰减，当容量低于某一阈值时即认为寿命终止（EOL）。准确预测电池剩余寿命（RUL）对保障设备安全运行、优化维护策略具有重要意义。本代码以电池容量数据为基础，对比四种深度学习模型在容量预测及剩余寿命估计中的表现。

输入特征：过去2个时间点的容量值
输出目标：未来1个时间点的容量值
网络结构 ：
- LSTM / BiLSTM / GRU：序列输入 → 150单元循环层 → ReLU → 全连接 → 回归输出
- BiGRU：采用双向结构，通过layerGraph连接前向与后向GRU，输出在拼接层合并
训练策略 ：
- 优化器：Adam
- 初始学习率：0.001，每350轮衰减为0.1倍
- 正则化：L2 = 0.0001
- 梯度阈值：1
- 最大轮数：500，批大小：32
评价体系：包含RMSE、R²、MSE、RPD、MAE、MBE、MAPE共7项指标

RMSE ：
RMSE=1n∑i=1n(yi−y^i)2 \text{RMSE} = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y}_i)^2} RMSE=n1i=1∑n(yi−y^i)2
R²（决定系数） ：
R2=1−∑(yi−y^i)2∑(yi−yˉ)2 R^2 = 1 - \frac{\sum (y_i - \hat{y}_i)^2}{\sum (y_i - \bar{y})^2} R2=1−∑(yi−yˉ)2∑(yi−y^i)2
MAPE ：
MAPE=1n∑i=1n∣yi−y^iyi∣×100% \text{MAPE} = \frac{1}{n}\sum_{i=1}^{n}\left|\frac{y_i - \hat{y}_i}{y_i}\right| \times 100\% MAPE=n1i=1∑n yiyi−y^i ×100%
RPD ：
RPD=std(y)std(y−y^) \text{RPD} = \frac{\text{std}(y)}{\text{std}(y - \hat{y})} RPD=std(y−y^)std(y)
LSTM/GRU单元：通过门控机制（遗忘门、输入门、输出门）捕捉时间依赖；BiLSTM/BiGRU则同时利用前向与后向时序信息，提升预测稳定性

完整代码私信回复四模型锂电池剩余寿命预测对比（LSTM、BiLSTM、GRU、BiGRU），NASA数据集，MATLAB代码