电池SOH预测模型 | 基于VAE—BiGRU变分自编码器结合深度学习模型（Python/Matlab）变分自编码器VAE—BiGRU：自动提取特征、序列预测（python） 使用场景：降维、特征提取 案例展示： 锂电池261次循环下的阻抗数据，期中每次循环包含60个频率点，横轴为实部，纵轴为虚部，数据格式为(261,2,60)。 为该块电池的SOH容量曲线 由于采集全频段的阻抗数据会导致数据量庞大，并非每个频率下的阻抗数据都能有效反映电池容量的下降趋势。为减轻模型负担，我们可以利用变分自编码器提取中间数据作为特征。展示了通过变分自编码器提取的特征向量，其中既包含正相关也包含负相关的特征。 搭配双向GRU模