《表5 预测错误率：基于Mallat小波分解与改进GWO-SVM的道岔故障诊断》

  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Mallat小波分解与改进GWO-SVM的道岔故障诊断》

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

本节将改进GWO-SVM模型、未改进GWO-SVM模型以及SVM模型做准确率比较。改进GWO-SVM模型经过18次迭代，诊断误差（适应度值）达到0，终止迭代，其预测结果如10（a）所示，其误差图如10（b）所示，准确率为100%；GWO-SVM模型经200次迭代后，终止循环，误差未小于0.01，陷入局部最优，其预测结果如10（c）所示，其误差图如10（d）所示，准确率为97.2%（35/36）；SVM模型（C取65.07，g取0.86）的预测结果如10（e）所示，其误差图如10（f）所示，预测准确率为91.7%（33/36）；此外，本节将改进后的GWO-SVM模型与CS-SVM模型、PSO-SVM模型做预测错误率比较（如表5所示）；由表5数据可知：改进后的GWO-SVM模型预测错误率最低，为0%，说明该模型具有较高诊断准确率且优于表中其他方法。