《表2 预测网络映射误差分析》
提示：宽带有限、当前游客访问压缩模式
预测实验结果如表2所示。从表2可以看出：与多元变量法模型相比，本文模型的预测性能更好，更有利于帮助电力企业完成配电网规划建设，提高电力运行质量。
| 图表编号 | XD00193133500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.25 |
| 作者 | 刘国辉 |
| 绘制单位 | 沈阳大学教务处现代教育技术中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 神经网络预测结果：基于自组织映射的神经网络轨道客流时序研究》2021.02.14
- 《表3 预测误差统计：基于RBF神经网络的并联行星齿轮动态啮合力分析》2021.03.15
- 《表1 误差分析比较：变结构时态神经网络模型在股票预测中的应用》2020.06.16
- 《表1 ARIMA模型和RBF神经网络模型预测误差的统计分析》2020.06.25
- 《表2 粒子群优化RBF神经网络预测值误差分析》2020.04.25
- 《表1 RBF神经网络预测值误差分析》2020.04.25
- 《表4 BP神经网络、PSO-BP神经网络模型预测结果误差分析》2020.02.28
- 《表3 误差分析结果：基于BP神经网络的硅橡胶复合绝缘子临界污闪电压预测分析》2020.02.25
- 《表3 BP神经网络瓦斯含量预测值及误差分析表》2019.11.10
- 《表5 误差指标比较：基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测》2019.10.15
- 《表5 误差分析表：基于灰色遗传BP神经网络的校园区间需水预测研究》2019.06.01
- 《表1 误差分析与评估：基于相似日和小波神经网络的光伏短期功率预测》2019.03.25
- 《表2 模型误差分析：基于多元分析的优化模糊神经网络太阳能辐射量短期预测》2019.07.12
- 《表2 网络预测误差指标对比》2019.07.20
- 《表1 特征量映射表：改进粒子群优化BP神经网络短期负荷预测研究》2019.06.25
- 《表3 模型误差分析：基于拟合剔除的优化小波神经网络太阳辐射量预测》2019.06.10
- 《表预测误差指标分析：基于相似日和GA-DBN神经网络的光伏发电短期功率预测》2019.03.15
- 《表1 误差分析：一种改进AFSA-Elman边坡位移预测网络》2019.01.15
- 《表1 基于牛顿迭代法改进BP网络模型对输出预测误差分析表》2019.12.08
- 《表2 误差分析：基于遗传算法优化BP神经网络的接触网磨耗预测》2019.12.30