《表2 不同建模方法水质指标测试性能均方根误差对比》

  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

《基于偏最小二乘随机配置网络的污水水质指标估计》

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

为了更好地验证PLS-SCN模型的性能，本文与偏最小二乘回归（PLS）、偏最小二乘极限学习机（PLS-ELM）、支持向量机回归（SVR）和偏最小二乘神经网络（PLS-NN）建模方法进行了实验对比，如表2所示。从表2中可以看出，PLS-SCN模型测试误差明显小于传统PLS模型和SVR模型，PLS-SCN模型泛化性能优于PLS-ELM模型和PLS-NN模型预测性能。通过上述实验对比可以得出，在随机配置网络框架内，用偏最小二乘法代替经典最小二乘法，一定程度上改善了最小二乘方法因数据奇异引发的模型过拟合现象，降低了水质预报风险。实验结果验证了模型预报的有效性，可用于在线监测污水处理过程的性能，能够实时地给出预测信息并进行评估。