《表2 RVM和PSO-RVM模型的预测值和相对误差》
提示：宽带有限、当前游客访问压缩模式
与学习性能相比，大坝安全监控模型更加看重其泛化性能即预测未知数据量的能力，从而发挥风险预报的作用。RVM和PSO-RVM模型的预测结果分析如表2所示。
| 图表编号 | XD00154421500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 宋培玉、杨浩东、王嘉华 |
| 绘制单位 | 中煤科工集团南京设计研究院有限公司、江苏南水科技有限公司、河海大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 监测点G17不同模型预测值和相对误差及其沉降精度检验》2020.09.25
- 《表5 基于3种核函数的PSO-RVM拟合均方误差》2020.12.10
- 《表6 基于3种核函数的PSO-RVM外推误差》2020.12.10
- 《表8 所有模型拟合平均相对误差和预测平均相对误差对比表》2020.07.30
- 《表1 RVM和PSO-RVM模型拟合时段相关向量个数与运行时间》2020.08.25
- 《表3 RVM和PSO-RVM模型的评价指标对比表》2020.08.25
- 《表1 三种模型预测结果的平均相对误差和均方根误差对比》2019.12.01
- 《表1 三种模型预测结果的平均相对误差和均方根误差对比》2019.12.01
- 《表1 1 ARIMAX模型预测结果和预测的相对误差》2019.11.28
- 《表8 ARIMA(0,1,2）模型预测结果和预测的相对误差》2019.11.28
- 《表6 轮胎滚动阻力RBF和BP神经网络模型预测值的相对误差》2019.10.25
- 《表6 GARCH模型和BP模型长期预测相对误差及预测价格波动比例的配对T检验》2019.09.30
- 《表4 GARCH模型和BP模型中期预测相对误差及预测价格波动比例的配对T检验》2019.09.30
- 《表2 GARCH模型和BP模型短期预测相对误差及预测价格波动比例的配对T检验》2019.09.30
- 《表2 预测模型残差和相对误差》2019.09.25
- 《表2 SVM、RVM与PSO-RVM方法诊断结果对比》2019.09.15
- 《表3 各小波PSO-RVM预测方差》2019.05.25
- 《表4 三种模型预测误差和相对误差》2019.04.20
- 《表2 预测模型拟合值和相对误差等参数的比较》2019.01.15
- 《表2 不同预测模型的相对误差和决定系数对比》2019.04.25