《表2 3种模型的预测精度对比》

  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

《新息自适应混合卡尔曼滤波算法构建地表沉降预测模型》

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

从图5可知，卡尔曼滤波能很好地将ARIMA模型与EEMD-PSO-BP神经网络进行混合，构建混合预测模型，预测结果优于单一预测结果。各个预测方法的误差对比结果如表2所示，新息自适应混合卡尔曼滤波预测的均方根误差降低至0.3194mm，绝对误差平均值降低至0.2568mm，最大误差降低至0.6572mm，相对百分误差降低至1.42%，预测精度相比于EEMD-PSO-BP神经网络和新息自适应卡尔曼滤波的预测结果均更好，说明了新息自适应混合卡尔曼滤波预测精度有了进一步的提高。