《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》

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

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。