《表3 配对样本相关性：基于GRU神经网络与灰色模型集成的气温预报》
提示：宽带有限、当前游客访问压缩模式
表4中GM模型的双侧显著性与单侧不同，说明实际值和预测值的均值有差异。
| 图表编号 | XD00207112600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.01 |
| 作者 | 周满国、黄艳国、杨训根 |
| 绘制单位 | 江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 基于样本的施工项目绿色集成评价指标斯皮尔曼相关系数检验结果》2020.09.20
- 《表1 主成分贡献率：基于MIPCA与GRU网络的光伏出力短期预测方法》2020.09.01
- 《表2 各模型诊断准确率：基于GRU网络的电网故障诊断方法研究》2021.02.25
- 《表1 数据集样本分布：基于GRU-CNN的综合能源网络安全攻击检测方法》2021.02.25
- 《表4 配对样本检验：基于GRU神经网络与灰色模型集成的气温预报》2020.12.01
- 《表2 配对样本统计：基于GRU神经网络与灰色模型集成的气温预报》2020.12.01
- 《表2 基于局部线性嵌入的粒子群—神经网络集合模型对不同近邻个数的台风强度独立样本预报误差（m·s-1）及与气候持续法相比预报技巧水平（%）（见文献[20])》2020.12.15
- 《表3 集成预报模型在验证期未来第1天的各级降雨预报准确率》2020.02.01
- 《表6 集成预报模型各方案准确率平均值和最大值与单一预报模式比较》2020.02.01
- 《表5 集成预报模型在验证期未来第3天的各级降雨预报准确率》2020.02.01
- 《表3 不同天气状况下棚内日最低气温预报模型》2019.12.25
- 《表3 配对样本相关性：基于模糊数学理论的零售商会员消费特征分析》2019.04.20
- 《表1 实测值与灰色模型预报值表》2019.05.08
- 《表3 模型验证样本：基于BP神经网络的轿车造型意象设计与量化预测模型建立》2019.08.20
- 《表2 模型效果对比：基于GRU网络的互联网信息挖掘》2018.03.25
- 《表8 24 h最低气温集成预报各旗 (县) 检验Tab.8 24 h minimum temperature integrated forecast for each flag (county) test》2018.10.31
- 《表7 24 h最高气温集成预报各旗 (县) 检验Tab.7 24 h maximum temperature integrated forecast for each flag (county) test》2018.10.31
- 《表3 PSO-FNN集成预报模型与基于PCA的多元回归预报模型对广西冷湿指数极端天气独立预报样本的误差统计》2019.11.15
- 《表4 PSO-FNN集成预报模型与普通糊神经网络（FNN）预报模型对广西冷湿指数极端天气独立预报样本的误差统计》2019.11.15
- 《表2 粒子群—糊神经网络（PSO-FNN）集成预报模型与逐步回归预报方法对广西冷湿指数极端天气独立预报样本的误差统计》2019.11.15