《表1 ARIMA模型和RBF神经网络模型预测误差的统计分析》

  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

《基于叶面积指数的河北中部平原夏玉米单产预测研究》

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

m2/m2

对比分析两个模型的LAI预测精度，计算得到两模型2016—2018年1步、2步和3步预测与监测结果的绝对误差（预测值与监测值的差）和绝对误差频数分布图（共3×22 985个像素，图7）。结果表明，1步预测结果的绝对误差分布较为集中，两模型峰值十分接近，ARIMA模型为0.04 m2/m2，RBF神经网络模型为0.07 m2/m2。不同的是LAI预测结果的误差范围，对比频数大于100时绝对误差的分布范围，ARIMA模型主要分布在[-1.86 m2/m2，1.43 m2/m2]，而RBF神经网络主要分布在[-2.56 m2/m2，1.77 m2/m2]，较ARIMA模型误差分布更为分散。随预测步长增加，两模型误差范围均呈增大趋势，3步预测结果误差分布较2步预测结果分散。另外，逐像素计算得到两模型2016—2018年1步、2步和3步预测结果的平均绝对误差和均方根误差（表1），结果表明，基于ARIMA模型1、2步预测结果的MAE和RMSE均低于基于RBF神经网络的误差，MAE分别降低了0.12、0.05 m2/m2，RMSE分别降低了0.18、0.14 m2/m2，3步预测结果的MAE虽较RBF神经网络的MAE高0.10 m2/m2，但两者RMSE相等。整体来看，ARIMA模型预测结果准确性和稳定性更好，预测结果反映的LAI变化与实际情况更为吻合，更适合河北中部平原的夏玉米LAI预测。