《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》

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

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。