《表1 异常数据修复对MAPE的影响分析》
%
表1为异常数据修复前后CNN-GRU模型对2020年1月2日至2020年1月6日各点温湿度预测效果对比分析。数据的缺失会导致模型在训练过程中损失值出现Na N值现象而无法进行,因此在训练模型之前需通过预处理对缺失数据进行填补。由表1可以看出,在异常数据修复后CNN-GRU模型对各点温度、相对湿度预测的MAPE较异常数据修复前分别降低了4.56%、7.46%,原因为异常数据作为训练样本所提取的样本特征不够完整、准确,对模型的预测效果有着直接的影响,表明了采用均值法对异常数据修复的有效性。
图表编号 | XD00224387700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 赵全明、宋子涛、李奇峰、郑文刚、刘宇、张钟莉莉 |
绘制单位 | 河北工业大学电子信息工程学院、河北工业大学电子信息工程学院、北京农业智能装备技术研究中心、北京农业信息技术研究中心、北京农业智能装备技术研究中心、北京市农林科学院植物保护环境保护研究所、北京农业信息技术研究中心 |
更多格式 | 高清、无水印(增值服务) |