《表2 各算法参数设置：基于K-ELM和GMM的氮氧化物排放预测》

  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

《基于K-ELM和GMM的氮氧化物排放预测》

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

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。