《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》
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.
图表编号 | XD00110887300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.10 |
作者 | 蔡婉贞、黄翰 |
绘制单位 | 汕头职业技术学院经济管理系、华南理工大学软件学院 |
更多格式 | 高清、无水印(增值服务) |