《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。