《表1 三个算法的短期预测结果及预测精度指标》

  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

《基于相似性搜索的水文时间序列预测模型研究》

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

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。