《表7 各模型的TOPSIS得分情况》

  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EMD组合模型的径流多尺度预测》

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

为对模型进行客观公正的评价，选出最优预报模型，针对评价指标构建TOPSIS模型，分数越高，表明模型综合评价越好，其结果见表7。Model.EA-MG分数最高为0.163，但采用3种方法筛选预报因子的GRNN与EMD-ARIMA的组合模型并不全部优于其他模型。使用MIV法与GRNN模型组合的Model.MG得分0.152，均高于其他筛选方法与GRNN模型的组合（Model.IG得分0.103、Model.SG得分0.098），表明MIV法与GRNN模型相性相对较好，而且得分高于Model.EA-SG(0.14）、Model.EA-IG(0.099），说明其未与Model.EA组合即可达到理想预报精度，而与Model.EA组合后可进一步提高精度，可达到最高准确度。经过筛选预报因子的Model.MG(0.153）、Model.IG(0.103）、Model.SG (0.098）得分均高于未筛选预报因子的Model.CG(0.093），通过结合大气环流因子可不同程度地提高GRNN模型的精度，而通过不同筛选方法输入的大气环流因子对提高模型精度的贡献度不同，各种筛选手段对模型精度的影响具有差异性。Model.EA-IG(0.099）得分低于Model.EA(0.103），结果表明使用线性回归法筛选预报因子与EMD-ARIMA模型组合降低了模型优度。