《表1 误差分析结果:基于BP-Adaboost模型的交通流量预测》
应用四种误差评价指标计算得到的BP-Adaboost预测模型与传统BP神经网络模型在预测精度上的对比分析结果如表1所示,由表1可知,BP-Adaboost模型在全天候和早高峰的预测绝对误差分别小于58辆和12辆,而传统BP神经网络模型的绝对误差则分别是121辆和29辆,误差较大。对于相对误差而言,BP-Adaboost预测模型的全天候预测结果相对误差小于27%,早高峰的预测相对误差小于14%,而传统BP神经网络模型预测结果的相对误差上限分别是71%和39%,同样具备较大的相对误差。均方根误差可以反映预测结果的离散程度,从表1中可以看出,相比于传统BP神经网络模型,BP-Adaboost预测模型具有较低的均方根误差,表明了BP-Adaboost预测模型预测结果的精密度较好、波动较小。从整体水平角度看,平均误差能够反映出预测结果的平均精度水平,BP-Adaboost预测模型的平均误差控制在6%以内,而传统BP神经网络模型则具有较大的平均误差,表明了BP-Adaboost预测模型具备比传统BP神经网络模型更高的预测精度。
图表编号 | XD0058147400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 朱志强 |
绘制单位 | 深圳市市政设计研究院有限公司 |
更多格式 | 高清、无水印(增值服务) |