《表2 各种算法的相对误差对比》
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
《悬移质含沙量检测的Kalman-GORBF多源数据最优融合模型研究》
本文进行了Kalman-GORBF、Kalman-RBF,GORBF以及Kalman滤波后多元以及一元线性回归误差分析.Kalman-GORBF的参数cj为0.0005,ω权值为5.0.衡量指标有:平均绝对误差(Mean Absolute Error,MeanAE)、最大绝对误差(Max Absolute Error,MaxAE)、平均相对误差(Mean Relative Error,MeanRE).由表2可知,没有经过Kalman滤波的一元和多元线性回归算法误差较大,其中多元线性回归算法误差最大,其Mean AE为156.51kg/m3.这说明含沙量传感器还需要进行滤波处理.经过Kalman滤波的误差就相对减小.Kalman-RBF的Mean AE为23.22kg/m3.经过GA算法优化后,Kalman-GORBF的Mean AE为12.07kg/m3,MaxAE为23.69kg/m3,MeanRE为0.16kg/m3.Kalman-GORBF融合模型取得了较好的含沙量数据处理效果.
图表编号 | XD00176640600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 刘明堂、秦泽宁、齐慧勤、陈健、刘佳琪、江恩惠、刘雪梅 |
绘制单位 | 华北水利水电大学物理与电子学院、中原经济区水资源高效利用与保障工程河南省协同创新中心、华北水利水电大学物理与电子学院、华北水利水电大学物理与电子学院、华北水利水电大学物理与电子学院、华北水利水电大学物理与电子学院、黄河水利科学研究院水利部黄河泥沙重点实验室、华北水利水电大学物理与电子学院、中原经济区水资源高效利用与保障工程河南省协同创新中心 |
更多格式 | 高清、无水印(增值服务) |