《表2 负荷预测误差表：在线学习神经网络用于空调负荷预测研究》
提示：宽带有限、当前游客访问压缩模式
为了更好地分析预测精度的变化，从训练天数为18天起，随着训练天数的逐渐增加，记录下8:00～20:00负荷预测的相对误差和平均相对误差，具体可参见表2。
| 图表编号 | XD00150995100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 沈俊杰、龚延风、刘伟 |
| 绘制单位 | 南京工业大学城建学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 预测方法对比表：基于中央空调的几种负荷预测方法对比分析》2020.09.25
- 《表2 误差比较表：基于DA-RBF模型的微电网负荷预测研究》2021.02.20
- 《表1 空调负荷预测模型候选输入参数》2021.02.25
- 《表2 空调负荷预测模型输入参数》2021.02.25
- 《表6 因子载荷系数：办公建筑空调冷负荷预测模型》2020.12.25
- 《表1 仿真结果：基于混合神经网络深度学习的短期负荷预测》2020.04.25
- 《表2 各季度负荷预测误差》2020.04.25
- 《表1 模糊化取值：在线学习神经网络用于空调负荷预测研究》2020.08.25
- 《表1 编码方案：基于进化深度学习短期负荷预测的应用研究》2020.03.01
- 《表2 部分采集样本数据：冰蓄冷空调负荷预测的预估校正模型》2020.02.16
- 《表3 预测结果分析：冰蓄冷空调负荷预测的预估校正模型》2020.02.16
- 《表1 预测误差数据：基于机器学习的短期电力负荷预测方法研究》2019.12.10
- 《表1 预测结果误差对比：基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测》2019.07.01
- 《表2 负荷预测数据比较：基于GA-BP神经网络的电力系统负荷预测研究》2019.10.10
- 《表1 神经网络预测结果：智能式负荷预测系统的研究》2019.09.25
- 《表2 误差对比：智能配电网环境下负荷预测研究》2019.05.01
- 《表1 参数代码和水平：基于进化神经网络的短期电力负荷预测研究》2019.06.10
- 《表2 平均信噪比：基于进化神经网络的短期电力负荷预测研究》2019.06.10
- 《表3 负荷预测误差对比：基于长短期记忆神经网络的暖通空调系统能耗预测》2019.02.01
- 《表A2预测误差对比：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10