《表4 各运行状态最优预测模型》
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
《基于机器学习方法的露天矿卡车运行状态时间预测研究》
表3为测试数据集在不同模型下的回归预测指标值,可以看出,空行、重行和卸载3种状态中使用SVM算法构建的模型优于Adaboost和RF算法,而在等待装载和装载两种状态中使用RF算法构建的模型优于Adaboost和SVM算法。总体而言,5种状态的试验结果表明,使用SVM和RF构建的预测模型优于Adaboost算法。表4总结了每个运行状态时间预测的最佳机器学习模型。
图表编号 | XD00165440700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 顾清华、马平平、闫宝霞、卢才武 |
绘制单位 | 西安建筑科技大学资源工程学院、西安建筑科技大学资源工程学院、中国有色金属工业西安勘察设计研究院有限公司、西安建筑科技大学资源工程学院 |
更多格式 | 高清、无水印(增值服务) |