《表4 模型误差对比表:基于随机森林与改进极限学习机的PM2.5浓度模型》
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
《基于随机森林与改进极限学习机的PM2.5浓度模型》
表4中以相关系数、均方根误差和平均绝对误差阐述了PSO-ELM的优越性。从表中不难得出,经过了粒子群优化算法进行参数寻优的极限学习机比起未经优化的ELM、BP人工神经网络和支持向量机等有着更加好的拟合优度和预测精确性,说明了本次研究的PSO-ELM预测模型有着良好的预测性能,比起传统的极限学习机和其它传统的机器学习预测算法有着更高的实用性。
图表编号 | XD00168949300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 王鑫圆、曹春萍 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |