《表4 不同降雨环境下的预测结果》
选取测试集比较PCA-LSTM神经网络、LSTM神经网络、多元回归Elastice Net、BP神经网络和SVR在此数据集上的MSE、MAE和R2,试验结果见表4。由表4可知:总测试样本的PCA-LSTM的决策系数最高达到了0.805,MAE和MSE相比其他方法也最低。尤其是在无雨及小雨天气环境下,PCA-LSTM的决策系数达到了最高0.818,MAE的结果低至0.01,证实了该方法的有效性。在中雨及大雨环境下,其决策系数也不低于0.7,证实了该方法的稳定性。多元回归分析与BP神经网络方法的决策系数较低,是由于其不具有解决复杂的非线性能力决定的,因此无法满足预测需求。SVR是在高维空间拟合一条高维曲线,使得所有样本点距离此线最近,在降雨情况复杂时预测能力较弱。LSTM神经网络兼顾时序性与非线性,其预测精度比SVR略好,结合PCA去除数据冗余之后,预测精度提升,也证明了本文所提方法的有效性。
图表编号 | XD00178298500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 戴健非、杨鹏##教授、诸利一、郭攀、贯怀光 |
绘制单位 | 北京联合大学北京市信息服务工程重点实验室、北京联合大学北京市信息服务工程重点实验室、北京科技大学土木与资源工程学院、北京科技大学土木与资源工程学院、福建马坑矿业股份有限公司、北京联合大学北京市信息服务工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |