《表2 各机器学习模型的表现效果及对比》
注:根据《水文预报误差标准》规定,以20%作为预报合格与否的临界值。
为全面评价各模型的表现效果,使用平均相对误差和合格率两个指标来比较彼此之间的差别,结果见表2。由表2可知,5个机器学习模型的表现均达到合格水平,其中BPNN明显落后于其他4个模型,在利用小波理论和T-S模糊系统改进后,网络性能明显提高,验证期误差从20.6%分别下降至13.6%和12.5%,合格率也从63.7%上升到了72.7%和77.3%。SVM与ELM表现相当,差别不大,ELM在拟合期的表现略优于SVM,但在验证期却恰好相反。总体来说,WANN、TSNN、SVM、ELM表现出了优秀的非线性拟合能力,且泛化能力也远远高于原始的BP神经网络。
图表编号 | XD00169680700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 杜懿、龙铠豪、王大洋、王大刚 |
绘制单位 | 中山大学地理科学与规划学院、中山大学地理科学与规划学院、中山大学地理科学与规划学院、中山大学地理科学与规划学院 |
更多格式 | 高清、无水印(增值服务) |