《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》
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。
图表编号 | XD00192588700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 徐磊、王甜莉、刘松国、李东、李伟、谭亮成 |
绘制单位 | 长安大学信息工程学院、中国科学院地球环境研究所黄土与第四纪地质国家重点实验室、中国科学院大学、之江实验室、长安大学图书馆、长安大学信息工程学院、中国科学院地球环境研究所黄土与第四纪地质国家重点实验室、中国科学院第四纪科学与全球变化卓越创新中心、西安交通大学全球环境变化研究院 |
更多格式 | 高清、无水印(增值服务) |