《表3 满足AMAPE最小时的相关参数》

  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

《计及延迟效应的两段特征选择技术在负荷预测中的应用》

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

以表2中不同序号的X2作为前馈神经网络的输入特征，输出层为负荷值y，故只需确定单隐藏层节点数。采用十折交叉验证，最大迭代训练次数为1 000，神经网络激活函数采用（0，1）型Sigmoid函数，学习率为0.01。基于DMI和MI达成AMAPE最小时的相关参数如表3所示。