《表2 不同模型的评价指标》
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XGBoost算法的新型短期负荷预测模型研究》
从表2可以看出基于XGBoost算法的负荷预测模型的均方根误差(RMSE)只有123.31,而绝对值百分误差(MAPE)也下降到了3.46%,相比其他基于人工神经网络算法的负荷预测模型的精度更高,体现了所提出负荷预测模型的优越性。
图表编号 | XD00102506400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.10 |
作者 | 陈剑强、杨俊杰、楼志斌 |
绘制单位 | 上海电力大学电子与信息工程学院、上海电力大学电子与信息工程学院、上海电机学院、上海科学院 |
更多格式 | 高清、无水印(增值服务) |