《表8 两个模型评价指标值对比》

  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

《哑变量在森林蓄积量模型估测中的应用》

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

依据上面所得的最优神经网络估测模型与哑变量神经网络模型，计算得到模型验证样本的R2和RMSE，对模型进行评价；计算得到模型验证样本的2个评价指标，对模型进行检验，结果见表8。由表8可知，在引入考虑龄组构造的哑变量之后，模型的R2值、总预报偏差的相对误差（RS）、估测精度以及均方根误差（RMSE)4个评价指标值都有较为显著的提高，R2值提高显著，提高了0.167。证明了引入考虑龄组构造的哑变量的模型对于提高香格里拉高山松林蓄积量估测精度有较为显著的优势。