يقدم الباحثون طريقة للتعلم على الجهاز تتيح للمركبات الكهربائية التكيف المستمر لنماذج التنبؤ بقدرة البطارية المدربة مسبقًا مع توزيعات بيانات جديدة وغير مرئية. يحول هذا النهج النماذج الحالية إلى إصدارات قابلة للتكيف تحافظ على المعرفة الحرجة بالمعاملات الفائقة من التدريب الأولي مع تمكين التحديثات المستمرة في الأنظمة المقيدة بالموارد.
- تبحث الدراسة في كل من استراتيجيات تكيف النموذج عبر الإنترنت وخارجها للمركبات الكهربائية.
- حققت تقنيات التكيف عبر الإنترنت تخفيضًا في متوسط الخطأ المطلق يصل إلى 7.49%.
- حققت تقنيات التكيف خارج نطاق التشغيل تخفيضًا في متوسط الخطأ المطلق يصل إلى 14.88%.
- تظهر النتائج تحسنًا كبيرًا في أداء التنبؤ عبر نماذج وأفق زمني مختلفة.
تسلط هذه الدراسة الضوء على الفائدة الكبيرة للتكيف على الجهاز، مما يؤدي إلى تحسين تنبؤات قدرة البطارية مقارنة بنشر النماذج غير المتكيفة في سيناريوهات المركبات الكهربائية الواقعية.