《表2 各模型均方根误差》

  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

《基于长短时记忆网络的水质预测模型研究》

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

为方便比较，计算了各个模型的均方根误差RMSE，由表2可知，RNN与LSTM模型的预测误差相较BP神经网络与SVM模型有明显下降，表明RNN与LSTM作为深度学习网络，相较传统机器学习方法的BPNN与SVM模型能更适应对庞大数据样本量的处理。而LSTM总体预测精度相较RNN又有所提升，这是因为LSTM优化了隐藏层节点，因此其对时序的记忆能力比RNN更强。本文证明了LSTM模型对水质数据时序信息的挖掘能力。