《表1 三个算法的短期预测结果及预测精度指标》
由图5可以看出,相比于SVM几乎呈直线状态的预测结果,FSS_LSTM和LSTM的预测值更接近于真实值。在9月20日到9月21日期间,LSTM比FSS_LSTM的预测值更接近真实值,但在后四天的预测中,FSS_LSTM的预测值相较于LSTM更接近于真实值。在9月24日到9月25日内,实际值存在较大的下降趋势,FSS_LSTM和LSTM对此趋势反应较SVM模型更为灵敏。根据表1中的评价指标,FSS_LSTM的MSE、MAE均小于SVM和LSTM模型,DC系数均大于SVM和LSTM模型。虽然FSS_LSTM的洪峰水位误差大于SVM,但从图5中可以发现,SVM预测值整体变化范围很小,对水位变化过程的刻画差于LSTM和FSS_LSTM。综上可知,FSS_LSTM的预测效果较于其它两个模型稍有优势。又从表2可知,FSS_LSTM的预测时间与其他两个模型相比较短,提升了预测效率。
图表编号 | XD00132771400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 司存友、李珂、周金玉 |
绘制单位 | 江苏省水文水资源勘测局、河海大学计算机与信息学院、河海大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |