《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》

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

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．