《表1 误差计算结果Tab.1 Results of predictive errors》
从表1计算结果可以看出,文中基于K均值小波神经网络的二阶段预测平均绝对误差为4.01%,比BP神经网络和小波神经网络模型分别降低了2.62%和3.65%,有效提高了预测精度;另一方面,从3种模型的最大相对误差(Emax)和均方根误差(RMSE)对比分析可知,本文预测方法明显降低,具有更优的稳定性和抗干扰能力.综上对3个模型的MAPE、Emax及RMSE分析对比,文中基于K均值小波神经网络的二阶段预测模型具有更优越的预测效果,在空调负荷预测中的应用是可行、有效的.
图表编号 | XD0018937900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.28 |
作者 | 赵超、郑守锦 |
绘制单位 | 福州大学石油化工学院、福州大学石油化工学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 误差计算结果Tab.1 Results of predictive errors”的人还看了
- 表5 2010-2016年西安市前5种出生缺陷发生率 (1/万) 预测结果及误差Tab.5 Prediction results and errors of the top five birth defects in Xi'an duri
- 表4 2017-2019年西安市总出生缺陷年度发生率 (1/万) 的预测及误差Tab.4 The annual incidence prediction results and errors of total birth defects i
- 表2 2009年10月至2016年9月西安市总出生缺陷月发生率 (1/万) 的预测结果及误差Tab.2 Monthly prediction results and errors of total birth defects in Xia