《表3 逻辑回归模型与马尔科夫模型预测准确率》

  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

《基于马尔科夫算法对预测窗户状态模型的研究》

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

除了转移矩阵内概率根据不同因素组合而分为多组，当前时刻窗户状态也同样的分为三组。由此，马尔科夫模型共有八个子模型产生，并与逻辑回归模型相对应，如表3所示。为了进一步说明马尔科夫模型的预测准确性，本文将中间步骤是用的逻辑回归模型结果引用进行对比。马尔科夫模型的预测准确率比对应的逻辑回归模型的预测准确率平均高4.4%，这说明马尔可夫算法对逻辑回归模型有一定的修正作用。对比模型1和模型3，将室内温度加入开窗行为预测模型中使新模型的预测准确率提高2%；而对比模型2和模型3，在其他步骤使用影响因素一样的前提下，新增的日照时长于开窗动作中不仅没有提高新模型的准确率，反而下降了0.45%。同样的，对比模型5和模型6，增加的因素也是是新模型的预测准确率有所下降。而模型8在模型7的基础上增加了室外温度来预测关窗动作，新模型的预测准确率则升高4.82%。此外，将PM2.5浓度考虑进开窗行为的模型准确率都较高。这两个模型虽然在窗户状态预测过程中放入的因素数量不是最多，但是主要的影响因素都在模型中。综上，马尔科夫模型准确率不是由相关因素数量决定的，而是将最有影响的因素放在合适的位置才能使模型预测准确率最高。