《表1 能耗预测结果与模型运行时间》
根据95组数据集分别在预测模型中的预测结果,对95组CV(RMSE)的平均值进行比较,并且计算每种预测模型在本实验的环境配置下的运行时间,使用95组运行时间的平均值进行对比。结果整理如表1所示:原始数据使用特征工程后,在ANN和GLM预测模型中表现比较好,其中使用CNN特征工程处理后的数据在这两种预测模型中表现最好,但模型收敛速度不如PCA。在XGBoost模型中,无论是线性特征提取还是非线性特征提取,都不如原始数据在预测模型中的表现效果好,这与XGBoost模型的树型结构有关。XGBoost是一种基于CART决策树的集成学习模型,算法原理和线性回归模型、神经网络都有着较大的不同。6种不同的组合模型同基准对比,结果表明95组数据集均得到一个较为准确的预测结果。
图表编号 | XD00151622800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 王振亚、范成、李达生、曾妍洁、刘明辉 |
绘制单位 | 深圳大学土木与交通工程学院、深圳大学土木与交通工程学院、台北科技大学、明新科技大学、深圳大学土木与交通工程学院 |
更多格式 | 高清、无水印(增值服务) |