《表4 不同建模方法的预报结果对比》
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
《基于改进的AdaBoost.RS算法的烧结终点预报分析》
为了验证本文提出的改进的AdaBoost.RS算法,结合ELM网络强预测器的有效性,将其预报结果分别与单一BP神经网络、ELM和AdaBoost.RT方法与AdaBoost.RS进行比较。为使各试验结果具有说服力,通过多次试凑选择模型的最佳参数。例如,对于BPNN模型,隐含层结点个数为14,隐含层采用Sigmoid激活函数,输出层采用线性函数,最大迭代次数为100次,学习速率为0.1,训练精度为4×10-5,采用trainlm训练函数。单一的ELM网络结构参数与集成算法强预测器中的ELM网络结构参数相同;AdaBoost.RT算法中的阈值取0.02,AdaBoost.RS算法中的松弛变量ε取0.2,所有AdaBoost算法均以ELM作为弱预测器且个数相同,因此,结果具有可比性。5种预测方法的预测精度对比见表4。
图表编号 | XD00109594600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 汪森辉、李海峰、张永杰、邹宗树 |
绘制单位 | 东北大学冶金学院、东北大学冶金学院、东北大学多金属共生矿产生态利用教育部重点实验室、奥博学术大学化工学院热流工程研究所、东北大学冶金学院、东北大学冶金学院、东北大学多金属共生矿产生态利用教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |