《表1 IGA-BPNN和BPNN模型预测结果误差分析》

  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

《基于遗传-神经网络的实时水质预测模型》

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

采用RSME、MAE、MRE和r2对IGA-BPNN水质预测模型的预测结果进行误差分析，并与单纯BPNN模型进行比较，见表1。根据2017年2月16日至2017年3月17日期间的预测结果，将IGA-BPNN与单纯的BPNN模型水质参数TURB和SC的预测结果进行误差分析和比较。可以看出，对于正常平稳条件下的水质参数TURB和SC的预测，IGA-BPNN模型的预测结果具有更好的准确性，因此，所建立的IGA-BPNN水质预测模型可以有效提高水质预测精度。同时，本文采用PICP对IGA-BPNN水质预测模型的可靠性进行评价。根据2017年2月16日至2017年3月17日期间的预测结果，计算得到正常平稳条件下的水质参数TURB和SC预测结果的区间覆盖率分别为99.81%和100%，因此，所建立的IGA-BPNN水质预测模型的预测结果具有一定的可靠性。