《表4 不同预测模型实验对比结果》

  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

《高炉煤气流分布过程的多算法融合预测模型》

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

不同预测模型实验对比结果如表4所示.由表4可知，ELM与RELM的训练和测试RMSE大致相同，说明在预测煤气流温度的问题上两者性能接近.然而，在训练时间和测试时间上，RELM均值和方差更小，这说明正则化系数虽然没能提升ELM的性能，但是成功解决了ELM因过度追求训练误差而导致训练时间过长的问题.WOS-ELM的训练和测试RMSE均低于ELM和RELM，说明遗忘因子λ的加入对ELM算法有显著提升.M-ARMAX作为一种常见的系统建模方法，在性能上与ELM和RELM相似，但是不太稳定（测试RMSE的SD高于ELM，说明测试结果变动较大），但是训练时间远大于两者，因此在实际应用中不具备竞争力.