《表2 不同预测模型各时间点的预测绝对误差对比》
图7展示了本文方法同BP、GRU、PSO_SVM[24]等基本预测模型和基于注意力模型的AIS-LSTM[25]、AttentionRNN[26]预测值精度对比图。从图7上可以直观地看到所有预测模型都有一定的预测能力,但本文方法的预测值同真实值的拟合度最高,在每一个预测点几乎同真实值重合。相比余下的预测方法,SVM的预测效果最差,只预测出了数据的变化趋势而无法精确的拟合曲线,主要是因为支持向量机主要应用于解决小样本的线性回归问题,对于大样本的预测,误差较大。BP神经网络无法捕捉时间序列之间的长期依赖性并且隐含层神经元个数的选取缺乏理论指导,容易陷入局部最优,预测精度低。本文在GRU神经网络上进行改进后,可以看到本文方法的预测曲线明显比未进行改进的更准确。
图表编号 | XD00212013500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 何春蓉、朱江 |
绘制单位 | 重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |