《表3 不同建模算法相关统计指标比较》

  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

《高炉铁水质量均方根误差概率加权集成学习建模》

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

此外，本文实验运行在64位Windows 7操作系统，i7–3770，3.40 GHz的4核CPU，且内存为8 GB的电脑上，表3列出了不同算法所建模型的运行时间（s）、均方根误差、命中率（%）3方面的统计指标.结合实际工程应用的指标精度，并把[Si]、[P]、[S]、MIT绝对预测误差设定为0.1，0.006，0.003，5.从表3中，可得在运行时间上，所提算法仅比RVFLNs算法多出0.0074 s，但是要远优于MSVR算法和BP–NN算法，尤其是BP–NN算法，提高了近400倍的速度，可知所提算法有更高的建模效率.在RMSE和命中率上，本文所提算法相对于其他建模方法，拥有更小的RMSE和更高的命中率.综合以上分析，本文所提算法能够很好的预测多元铁水质量指标的变化趋势，拟合精度高、建模速度快、算法简单且易于工程实现和工业应用.