《表2 各模型拟合结果、预测结果及其相对误差》
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
《"基于改进的非线性优化GM(1,N)模型的海晏县城镇生活需水量预测"》
注:GM(1,N)、GM(1,N,X1(0))、BP神经网络、Verhulst模型2008~2012年拟合累计相对误差分别为0.003 8、0.001 7、0.188 0、0.050 6;2013~2017预测累计相对误差分别为0.160 4、0.062 7、0.447 5、0.226 2。
在使用GM(1,N,X1(0))模型前,应先对数据进行1-AGO算法的灰技术处理及归一化处理,以保证预测结果的准确性和有效性。对GM(1,N,X1(0))模型、BP神经网络模型、传统灰色预测GM(1,N)模型和灰色Verhulst模型的拟合结果和预测结果见表2[6]。由表2可看出:(1)4种模型拟合精确度都较高,各模型拟合结果相对误差从大到小依次为BP神经网络模型、灰色Verhulst模型、传统灰色预测GM(1,N)模型和GM(1,N,X1(0))模型。说明GM(1,N,X1(0))模型拟合结果优于其他3种模型;(2)4种模型预测精度都较高,各模型预测结果相对误差从大到小依次为BP神经网络模型、灰色Verhulst模型、传统灰色预测GM(1,N)模型和GM(1,N,X1(0))模型。说明GM(1,N,X1(0))模型预测结果优于其他3种模型。综上所述,改进的非线性优化GM(1,N)模型无论是拟合结果还是预测结果的精确度都优于BP神经网络模型、灰色Verhulst模型和传统灰色预测GM(1,N)模型。
图表编号 | XD00206018900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 付泽伟、杨银科、王天尧 |
绘制单位 | 长安大学环境科学与工程学院旱区地下水文与生态效应教育部重点实验室、长安大学环境科学与工程学院旱区地下水文与生态效应教育部重点实验室、长安大学环境科学与工程学院旱区地下水文与生态效应教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |