《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》

  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GRU网络的配电网故障数量等级预测方法》

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

%

（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.