《表1 多步超前预测方法结合5种插值算法的RMSE平均值》
(×103)
对包含15%缺失观测值的不完备数据集,应用多重插值算法对输入子集进行数据填补,本文应用多步超前估计器,分别结合5种不同插值算法计算RMSE值,如表1所示。该实验选取的不完备数据集包含3个滞后输入值,利用前60%观测值进行模型训练。表1说明:5种插值算法结合不同估计器,预测RMSE平均值相当;KELM-RBF估计器的RMSE均大于其他超前估计器,达到18%,OS-ELM估计器的平均值最小,不超过8.9%;ELMSI与OS-ELM结合,RMSE平均值最小,预测效果最好。
图表编号 | XD00103121700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.06 |
作者 | 汪秋婷、戚伟 |
绘制单位 | 浙江大学城市学院信息与电气工程学院、浙江大学城市学院信息与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |