《表4 迭代次数比较:基于自适应差分克里金的煤质指标估算》
由表3可知,UMDE-Kriging较MDE-Kriging与RPSO-Kriging具有更好的插值效果,在煤质指标(全水分)的空间插值预测中表现最优,且理论变差函数模型为指数模型时插值效果最好。当MDE-Kriging、RPSO-Kriging与UMDE-Kriging选择指数模型构建插值模型时,比较UMDE、MDE及RPSO求解到近似最优参数时的平均迭代次数如表4所示,可以发现UMDE算法在求解效率上最优。在同等情况下,又对模型进行绝对误差分析的结果如图8所示。
图表编号 | XD00130727000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 张小艳、杨鑫磊 |
绘制单位 | 西安科技大学计算机科学与技术学院、西安科技大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |