《表4 精确度对比:基于GRU网络的配电网故障数量等级预测方法》
%
(2)预测结果与特征选择的关系.根据表1,现选取三组气象因素:第一组选取表1中全部气象因素,共7种;第二组选取相对湿度、气压、风向、日照小时数,共4种;第三组为前述根据距离相关系数法选取的4种气象因素,即气温、降水、风速、相对湿度.3组特征除气象因素外,季节因素均相同,分别训练前述GRU网络,网络结构、参数及训练次数均与前述相同,测试集精确度如表4.对比第一组与第三组可得,在不剔除冗余特征的情况下,将增加网络训练工作量并降低预测精确度;对比第二组与第三组可得,选择具有强相关性的特征变量将显著提升网络的预测精确度,由此也印证了前述距离相关系数法的实际意义.
图表编号 | XD00110881700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.10 |
作者 | 高金峰、庞昊、杜耀恒 |
绘制单位 | 郑州大学产业技术研究院、郑州大学产业技术研究院、国家电网烟台供电公司 |
更多格式 | 高清、无水印(增值服务) |