《表2 4种方法的预测误差对比》

提取 ⇩
《表2 4种方法的预测误差对比》
《基于小波分解与随机森林的短期负荷预测》

分别表示实际负荷值和预测的负荷值,分别计算反向传播(Back Propagation,BP)神经网络、支持向量基(Support Vector Machine,SVM)以及RF的平均绝对百分比误差,将7月28日子小波预测分量进行重构,得到最终的预测结果与本文提出的小波分解与随机森林(Wavelet Decomposition and Random Forest,IRF)结合的方法比较结果(见表2)。

  1. 保存图表

查看“表2 4种方法的预测误差对比”的人还看了

表1 四种滤波方法的均方根误差比较
表1 四种滤波方法的均方根误差比较
基于Hermite插值改进的轨迹修正滤波算法
表6 方差分解表:海南省森林碳汇社会因子分析
表6 方差分解表:海南省森林碳汇社会因子分析
海南省森林碳汇社会因子分析
表6 方差分解表:海南省森林碳汇社会因子分析
表6 方差分解表:海南省森林碳汇社会因子分析
海南省森林碳汇社会因子分析
表2 负压波法处理结果及定位误差
表2 负压波法处理结果及定位误差
基于瞬态模型的井下抽采主管道泄漏定位方法研究
表1 不同方法的负荷预测均方误差(MSE)对比
表1 不同方法的负荷预测均方误差(MSE)对比
基于多尺度跳跃深度长短期记忆网络的短期多变量负荷预测
表2 两种滤波方法误差绝对值的均值和误差标准差
表2 两种滤波方法误差绝对值的均值和误差标准差
基于平滑变结构卡尔曼滤波的机载组合导航算法