《表1 不同因素对日用水量的相关性分析》

  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

《基于多因素长短时神经网络的日用水量预测方法研究》

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

注：（1）相关系数r:0.8

利用SPSS 23.0，将最高气温、最低气温、前一日用水量与当日用水量进行皮尔逊相关性分析。由表1可见，当日用水量和前一日的用水量、最低气温、最高气温都呈显著正相关。相关性大小为前一日用水量>最低气温>最高气温。三者都是预测当日用水量的重要的影响因子，可作为多因素LSTM预测用水量时的输入变量。