《表1 基于BP、SVM、GP模型的训练值及训练误差》
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。
图表编号 | XD00194940700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.12 |
作者 | 黄亚、易灵、肖伟华、侯贵兵、李媛媛 |
绘制单位 | 中水珠江规划勘测设计有限公司、中国水利水电科学研究院流域水循环模拟与调控国家重点实验室、中水珠江规划勘测设计有限公司、中国水利水电科学研究院流域水循环模拟与调控国家重点实验室、中水珠江规划勘测设计有限公司、中水珠江规划勘测设计有限公司 |
更多格式 | 高清、无水印(增值服务) |