《表3 组合模型预测结果：基于BP-RBF神经网络的组合模型预测港口物流需求研究》

  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BP-RBF神经网络的组合模型预测港口物流需求研究》

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

根据上述两种神经网络模型预测结果，按照公式（15）建立方程组，求解方程组可得到BP网络模型加权系数为0.377 1，RBF网络模型加权系数为0.622 9，按照此加权系数进行组合预测，可得到2013～2017年汕头港货物吞吐量的预测结果.如表3所示.与单项模型不同，组合模型的预测值能更好地贴合实际货物吞吐量，预测值与实际值的相对误差均低于3%.从2013～2017年5组测试集的预测结果来看，BP和RBF神经网络均存在部分年份的预测结果波动较大的问题，且BP神经网络预测结果波动有随时间推移逐渐增大的趋势，组合模型通过最优加权组合法将上述两种预测模型的结果进行融合，既结合BP与RBF神经网络的预测优点，又充分利用各个单项子模型的有效预测信息，经过加权处理有效降低单项模型对组合预测模型预测效果的影响，使预测结果更为稳定和可靠.