《表2 不同训练集诊断准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进BP神经网络的SVM变压器故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2可以看出，GBP-SVM算法在不同的训练集上的测试集结果均具有较高故障诊断准确率，平均诊断准确率达到了92.5%。相较于BP神经网络（87.5%）和SVM（84.58%）的诊断准确率有明显的优势，诊断准确率分别提升了5.0%和7.92%。同时，由表2可以看出，当训练样本数增加时，上述三个方法的诊断准确率均有不同程度的提升。但是，BP神经网络和SVM方法当训练样本数增加至300条时，在测试集上的诊断准确率依旧低于GBP-SVM在Train Set1（200条）下训练的模型的诊断准确率。从而表明GBP-SVM方法在训练样本数据较少的情况依旧可以取得优于BP神经网络和SVM方法的诊断性能。