《表5 工业用电预测结果性能对比》
提示：宽带有限、当前游客访问压缩模式
使用3种回归算法分别对各层楼进行预测，得到结果见表5。
| 图表编号 | XD00184260000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.15 |
| 作者 | 王宏飞、周鑫、徐哲壮、张士杰、夏玉雄 |
| 绘制单位 | 福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福建华拓自动化技术有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 区域短期用电量预测结果对比表（kW·h)》2020.10.20
- 《表5 首创非生产用电量：关于厨余垃圾处理厂工业建筑的能耗指标统计分析》2020.09.20
- 《表2 天气原始数据示例：基于云平台的工业用电分析与预测》2020.12.15
- 《表1 电表原始数据示例：基于云平台的工业用电分析与预测》2020.12.15
- 《表7 预测计算时间：基于云平台的工业用电分析与预测》2020.12.15
- 《表6 模型训练时间：基于云平台的工业用电分析与预测》2020.12.15
- 《表5 2030年安徽省二产 (含一产) 用电各地市分布预测结果单位:亿千瓦时》2018.06.01
- 《表5 修正前后误差对比：基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法》2020.03.10
- 《表1 各类周用电量预测模型预测误差对比》2020.01.25
- 《表2 拟合模型对比：居民区用电负荷特性研究与模型预测》2020.01.15
- 《表5 该市2019年至2023年的年用电量预测值》2019.10.10
- 《表5 北京市全社会用电量预测结果》2019.08.18
- 《表3 平均误差对比2：优化神经网络用电量预测性能的多元线性回归方法》2019.06.08
- 《表1 平均误差对比：优化神经网络用电量预测性能的多元线性回归方法》2019.06.08
- 《表5 汽车工厂实际用电量与模型预测值对比》2019.06.01
- 《表2 明珠工业园用电负荷预测》2019.06.15
- 《表1 实验结果：工业用电市场用电量组合预测方法研究》2019.05.08
- 《表2 新疆地区全社会用电量实际值与单一及组合预测模型结果对比》2019.03.31
- 《表5 2005—2014年用电量预测结果分析Table 5 Predication results analysis of power consumption in 2005—2014》2018.04.25
- 《表5 预测结果对比：产业结构调整背景下的区域用电量预测模型库构建》2018.06.25