《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》

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

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。