本發(fā)明提供了一種預(yù)測(cè)模型生成方法及自放電壓降預(yù)測(cè)方法，預(yù)測(cè)模型生成方法包括：對(duì)多個(gè)鋰離子電池分別進(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，將動(dòng)態(tài)特征與對(duì)應(yīng)的自放電壓降數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)度分析，得到目標(biāo)數(shù)據(jù)；根據(jù)目標(biāo)數(shù)據(jù)，構(gòu)建高斯過程回歸模型，并采用粒子群算法優(yōu)化訓(xùn)練好的高斯過程回歸模型的協(xié)方差函數(shù)和噪聲方差，得到預(yù)測(cè)模型。本發(fā)明根據(jù)先驗(yàn)特征和后驗(yàn)特征的分布關(guān)系，建立高斯過程回歸模型，并采用粒子群算法對(duì)高斯過程回歸模型進(jìn)行優(yōu)化，得到最終的預(yù)測(cè)模型，使得精度較高。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。