《表1 基于BP、SVM、GP模型的训练值及训练误差》

  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

《基于高斯过程回归模型的径流短期预测研究》

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

为了分析GP模型在径流量预测精度上较传统机器学习方法的优越性，本文同时利用传统BP模型和SVM模型对相同的训练样本以及预测样本进行预测，并与GP模型的预测结果相比较，结果见表1、2。从回归角度来说，基于传统BP、SVM模型的回归值都较GP模型相对误差大很多，反映了GP模型在数据回归上的相对优越性；从预测值相对误差来说，BP模型预测相对误差最小值和最大值分别为1.41%和6.18%，SVM模型分别为0.01%和5.24%，而GP模型仅为0.13%和2.71%。由此可看出，GP模型的预测精度明显优于传统BP模型和SVM模型；同时，从表2的预测结果MPE、MSE以及MRE来看，GP模型预测精度均优于传统BP模型以及SVM模型，反映了传统BP模型和SVM模型的预测误差偏高，不完全适用于此类小样本问题。