基于 RBF 神经网络模型的时序车速预测算法研究
摘要：本文基于 RBF 神经网络模型，根据历史车速信息，设计了一种用于预测未来几秒车速信息的时
序预测模型。该模型可根据训练工况进行训练，并利用训练后的神经网络模型预测 UDDS 循环工况下
每个时间点未来几秒的车速信息。本文主要包括三个部分：文件包括、车速预测程序基于 Matlab M
编程完成、程序适用范围及其他相关应用。
一、文件包括
文件包括训练工况（.mat 数据）和测试工况（.mat 数据），以及 REF 预测主程序（.m 程序）。在
选择训练工况时，需要考虑与目标预测工况相似的特征，例如，若欲预测城郊工况下的车速，建议选
择与之类似的训练工况数据。
二、车速预测程序基于 Matlab M 编程完成
本文所设计的车速预测程序基于 Matlab M 编程语言实现，程序已备注好如何修改预测步长，用户可
以根据需求自行调整。以下是程序的基本逻辑：
1. 数据准备：首先导入训练工况和测试工况的数据，使用 Matlab 进行预处理，例如数据清洗、异
常值处理等。
2. 神经网络模型训练：利用 RBF 神经网络模型对训练工况数据进行训练，得到训练后的神经网络
模型。
3. 车速预测：使用训练后的神经网络模型对测试工况下每个时间点未来几秒的车速信息进行预测。
4. 结果评估：根据预测结果与实际测试数据的比较，评估预测模型的准确性和稳定性。
三、程序适用范围及其他相关应用
本文设计的车速预测程序主要适用于 MPC（模型预测控制）或基于 MPC 的能量管理策略中的车速预测
部分。同时，该程序也可应用于其他时序预测类问题，例如坡度预测、流量预测等。用户根据实际需
求进行修改即可。
综上所述，本研究基于 RBF 神经网络模型设计了一种时序车速预测模型。通过对训练工况数据的训练
，得到了预测模型，并通过 Matlab M 编程实现了车速预测程序。该程序适用于 MPC 及其他时序预
测类问题。未来的研究可以进一步改进预测模型的准确性和实用性，以满足不同场景的需求。
关键词：RBF 神经网络模型；时序预测；车速预测；Matlab M 编程；MPC；能量管理策略
