《表2 模型性能对比:一种利用混合算法选择变量的天牛须优化神经网络风速预测方法》
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
《一种利用混合算法选择变量的天牛须优化神经网络风速预测方法》
由表3可知,BAS-BP神经网络模型的各项预测误差均低于BP及GA-BP模型,数据子集4的预测效果进一步表明:BAS-BP模型较其他两种模型具有更好的有效性和适应性。误差评价指标方面,对于数据子集3:在平均相对误差上,BAS-BP较BP和GA-BP分别降低了1.389 7%和0.466 8%,在均方根误差上,BAS-BP较BP和GA-BP分别降低了0.06和0.05,在平均绝对误差上,BAS-BP较BP和GA-BP分别降低了0.06和0.03;对于数据子集4:在平均相对误差上,BAS-BP较BP和GA-BP分别降低了5.026 2%和1.730 6%,在均方根误差上,BAS-BP较BP和GA-BP分别降低了0.266 5和0.071 4,在平均绝对误差上,BAS-BP较BP和GA-BP分别降低了0.242 5和0.069 6。由此可知,本文提出的风速预测方法能够有效地预测风场风速,预测值与实际值相符度较高,验证了模型的正确性和有效性。
图表编号 | XD00116221000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.28 |
作者 | 李大中、李昉、张克延 |
绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |