《表6“k-means++优选法”与“均值法”数据集在LSTM预测模型下的结果对比》

  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

《基于k-means++的高炉铁水硅含量数据优选方法》

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

验证结果表明，采用本文提出的“k-means++优选法”解决高炉数据的关联问题，与传统均值法相比，在不同的预测模型上均降低了均方差，提高了模型的预测命中率和趋势准确率，尤其是在误差容限为0.05的条件下，对预测效果有较大的改善，体现了该数据优选方案的有效性。此外，从表5以及表6的对比可知，LSTM预测模型的效果优于多层感知器预测模型。