《表4 各模型评价指数：基于SSA-XGBoost方法的降水变化趋势预测模型》

  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

《基于SSA-XGBoost方法的降水变化趋势预测模型》

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

另外，本文还采用平均绝对值误差（MAE）、均方根误差（RMSE）和相关系数（R2）分析评价了不同模型预测结果的精度（表4），各指标的公式、含义及评价标准见表5。从表4可以发现：SSA-XGBoost模型的MAE最小（0.1334）。就RMSE而言，SSA-XGBoost、XGBoost、ARIMA、SSA-ARIMA和Light GBM分别为0.1687、0.2520、0.2632、0.2224和0.3641，SSA-XGBoost模型的RMSE依旧是最小的。另外，SSA-XGBoost模型的R2最接近1，而其他几种模型的R2均为负数或者比较小。鉴于MAE和RMSE越小，R2越接近1，预测效果最好，表4的对比数据说明SSA-XGBoost的预测效果最好，其他四种模型的预测效果较差。