リチウムイオンバッテリー（SOH）の健康状態は、リチウムイオンバッテリーの健康管理を反映する重要な指標です。リチウムイオンバッテリーの SOH 予測の不正確さと最小二乗サポートベクトルマシン（LSSVM）モデルパラメータが局所最適に陥りやすい問題を解決するために、変分モード分解（VMD）とサブトラクトメディアン最適化（SABO）アルゴリズムを組み合わせたLSSVMリチウムイオンSOH予測方法を提案します。ます。最後に、各サブシーケンスの予測結果を重ねて再構築し、誤差評価を行います。米国航空宇宙局（NASA）の提供する4つのバッテリーデータを使用して実験検証し、追加でメリーランド大学CALCEのバッテリーデータを選択してこの方法の適応性を検証しました。実験結果は、予測方法が高い予測精度を持ち、VMD-LSSVM、LSSVM、VMD-SABO-SVMモデルと比較して、平均二乗誤差（RMSE）がそれぞれ69.8％、86.9％、78.1％増加しました。

リチウムイオンバッテリー;変分モード分解;最小二乗サポートベクターマシン;サブトラクトメディアン最適化;健康状態