《表5 不同站点中不同模型的预测结果对比》

  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

《基于多基因遗传规划的沈阳及其周边地区PM2.5浓度的预测》

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

针对区分站点的PM2.5浓度预测，各个站点数据使用不同预测模型分别提前24，48，72h的PM2.5浓度预测结果见表5，其中黑体部分数据表示该站点在该预测时段中不同模型预测结果相比的最佳表现.从表5可以看出，在11个站点3个时段预测的33个预测情形中，MGGP在其中32个情形下的预测误差低于GP及BP神经网络，且稳定性明显优于GP和BP神经网络.同时，在分站点预测的实验中，提前24，48，72h的预测误差上，GP均大多高于BP神经网络，与全站点中的情况不同；这可能是由于分站点后训练数据显著减少，导致GP生成的预测模型表现明显下降，这也从侧面体现了MGGP比GP的稳定.此外，BP神经网络在分站点的预测实验中偶尔会出现较高的误差，如浑南东路站点提前48h、京沈路提前72h及新秀街提前72h的PM2.5预测误差，RMSE达到了80~90，同样从侧面反映出MGGP较高的稳定性.