《表4 不同影响因素下神经网络预测光热效率评价指标情况》
考虑到PV/T系统的光电和光热性能受多个因素(神经网络中表现为输入神经元个数)的影响,因此对比分析了在不同数量的影响因子下,神经网络模型的预测精度。即神经网络模型输入神经元分别为3、4和5个,输出为1个(光电效率或光热效率),而神经元个数会严重影响到模型的泛化能力和精准度。具体情况见表3和4所示。可以看出随着影响因素的增加,MAPE、MAE和RMSE三个指标值都呈减小的趋势,换言之5因素的三个评价指标优于其他两个因素。
图表编号 | XD00189181400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.15 |
作者 | 吴宝贞、王新如、王玉庭、李超、吴金顺 |
绘制单位 | 华北科技学院 |
更多格式 | 高清、无水印(增值服务) |