《表2 各算法参数设置:基于K-ELM和GMM的氮氧化物排放预测》
为了比较K-ELM和其它常用算法,本文同时采用了SVM、LS-SVM以及BPNN算法对实验数据进行建模。同时为了比较数据集大小变化的情况下各个算法之间的特性,首先在8640组数据中分别随机选取其10%,30%,50%,70%,100%的数据量作为新的数据集;对于不同大小的数据集,随机选取其80%作为训练样本,剩余20%作为测试样本。K-ELM、SVM、LS-SVM算法均采用相同的RBF函数,同样选用网格寻优法对其它两种算法的参数进行两次寻优,两次网格寻优过程中参数变化的步长均与K-ELM相同。所有算法的参数设置见表2。
图表编号 | XD00122858100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 陈琪、续欣莹、谢珺、付文华 |
绘制单位 | 太原理工大学电气与动力工程学院、太原理工大学电气与动力工程学院、太原理工大学信息与计算机学院、太原理工大学电气与动力工程学院 |
更多格式 | 高清、无水印(增值服务) |