《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》
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。
图表编号 | XD00153386500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 曾令权、熊鑫、陈竹安 |
绘制单位 | 广州番禺职业技术学院建筑工程学院、东华理工大学测绘工程学院、流域生态与地理环境监测国家测绘地理信息局重点实验室、东华理工大学测绘工程学院、流域生态与地理环境监测国家测绘地理信息局重点实验室、江西省数字国土重点实验室 |
更多格式 | 高清、无水印(增值服务) |