《表2 各模型评价指标对比》
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
《基于改进粒子群算法的RBF神经网络磨机负荷预测研究》
由表2可知,IPSO-RBF模型的预测精度最高,RMSE、MSE、MAE、MAPE和R2分别为0.210 2、0.044 2、0.161 7、1.778%和0.978 2,与PSO-RBF模型相比,R2提高了0.079 5,RMSE、MSE、MAE和MAPE分别降低了50.1%、75.1%、48.1%和48.1%;相对于RBF模型,利用PSO优化RBF可以得到更小的预测误差,说明PSO可以提升RBF的预测效果。综上所述,利用本文提出的IPSO优化RBF可以进一步提高磨机负荷的预测精度,充分证实了算法的有效性。
图表编号 | XD00164297700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 赵长春、赵亮、王博 |
绘制单位 | 西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |