《表7 11:00—13:00时段机器学习回归模型预测评价指标》
提示：宽带有限、当前游客访问压缩模式
笔者以11:00—13:00时段为例，对该时段影响离场航空器滑行时间做逐步多元回归拟合，得出的结果如表7及图2。
| 图表编号 | XD00190751600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.01 |
| 作者 | 李楠、焦庆宇、张连东、樊瑞 |
| 绘制单位 | 中国民航大学空中交通管理学院、中国民航大学空中交通管理学院、南京航空航天大学民航学院、中国民航大学空中交通管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 10:00—12:00时段到发列车时刻》2021.01.01
- 《表2 2020年年度晚间时段（18:00-23:00）频道收视情况》2021.01.01
- 《表8 基于机器学习模型预测评价指标》2021.03.01
- 《表2 某区间11:00-12:00断面客流量预测（单位:人次）》2020.11.20
- 《表6 7名出租车司机在实验组和空白组FI的配对样本T检验结果(13:00～20:00)》2021.02.01
- 《表5 7名出租车司机在实验组和空白组FI的配对样本T检验结果(6:00～13:00)》2021.02.01
- 《表1 11:00-12:00的最佳配送方案》2020.02.01
- 《表6[06:00,08:00)时段内由a线路换乘b线路的人数》2020.04.01
- 《表5[06:00,08:00)时段内由b线路换乘a线路的人数》2020.04.01
- 《表1 刘园站7:00—8:00时段内安检进站客流数据》2020.04.01
- 《表7 早上10:30—11:00不同注射方案对死胎和弱仔的影响》2020.08.10
- 《表4 不同层的比较（10:00-11:00)》2020.07.20
- 《表5 13:00-14:00预测数据(2018-07-17)》2020.02.01
- 《表7 逻辑回归训练结果：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表6 正常情况下与突发情况下路网部分换乘车站在8:00—9:00时段换乘量对比》2019.08.15
- 《表2 2018-7-28湖州站10:00～11:00、16:00～17:00分钟蒸发数据》2019.09.01
- 《表1 8:00-23:00每一小时段内的声波脉冲数量、信号频率统计表》
- 《表3 2014年5月25日07:00-11:59 AR05扇区交通需求预测结果的相关性检验》2018.12.01
- 《表2 2014年5月25日07:00-11:59航路扇区AR05概率性需求预测结果》2018.12.01
- 《表2 故障时段（21:00—23:00）负荷满足情况》2019.11.01