《表2 不同网络最优隐层节点个数和KELM参数的确定Tab.2 Optimal number of hidden layer nodes for different algorithms and th

  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

《循环流化床锅炉燃烧系统的神经网络模型研究》

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

如表4所示，引入相关系数（R-Square）和平均绝对百分误差（Mean Absolute Percentage Error，MAPE）作为性能评价指标。通过对比5种方法对于测试样本的测试结果，可以明显发现PLP-FLN在大部分数据集下的结果都优于其他4种模型，尤其是对于数据集Abalone、Delta Elevators、Concrete和Concrete Slump，PLP-FLN比其他方法展现出更小的MAPE值，对于数据集Abalone、Delta Ailerons、Machine CPU和Concrete Slump，PLP-FLN比其他方法获得更大的R-Square值，表明PLP-FLN较其他4种方法具有更好的预测能力和拟合度。