本發(fā)明提供了基于鯨魚優(yōu)化算法的模型生成方法及數(shù)據(jù)預(yù)測(cè)方法，模型生成方法包括：對(duì)多個(gè)鋰離子電池進(jìn)行soak實(shí)驗(yàn)和充放電循環(huán)實(shí)驗(yàn)，得到自放電壓降數(shù)據(jù)和充放電曲線；從每個(gè)充放電曲線中提取動(dòng)態(tài)特征，將將其與自放電壓降數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)度分析，得到每個(gè)充放電曲線對(duì)應(yīng)的數(shù)組，提取每個(gè)數(shù)組中特性相同的數(shù)據(jù)組合為目標(biāo)數(shù)據(jù)；根據(jù)預(yù)設(shè)條件，將各目標(biāo)數(shù)據(jù)劃分為兩類數(shù)據(jù)，并進(jìn)行隨機(jī)組合，得到多種組合數(shù)據(jù)；分別訓(xùn)練多個(gè)梯度提升模型，使用鯨魚算法優(yōu)化預(yù)測(cè)值和回歸樹(shù)數(shù)量，得到最終的預(yù)測(cè)模型。本發(fā)明用于模擬常規(guī)技術(shù)中的soak方法，只需對(duì)待測(cè)鋰離子電池進(jìn)行一次充放電實(shí)驗(yàn)，即可獲取到該待測(cè)鋰離子電池的自放電壓降數(shù)據(jù)，省時(shí)省力，且精度較高。