《表2 六种归一化方法的均方误差》

  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ELM的尾矿坝浸润线预测》

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

为了测试归一化方法对ELM网络的影响，选取6种归一化方法进行处理：1）最大值归一化；2）最小值归一化；3)[-1，1]归一化；4)[0.2，0.8]归一化；5)[0.1，0.9]归一化；6）零均值归一化。将6种归一化后的数据带入5-5-1的ELM神经网络，通过均方误差判定方法的适用性。采用Matlab分别进行20次独立试验，结果如表2所示，在经过相同方法测试之后，发现不同的归一化方法处理后的数据代入ELM网络，得到的结果有差异。具体表现如下：除了[0.1，0.9]归一化方法测试的最小均方误差较大之外，其余方法都在相同的数量级，且[-1，1]归一化方法的MSE3.87E-04是最小值，最大值归一化方法次之；在20次试验中各种方法中均方误差最大值和平均值如表2中加粗的部分，最小的都是最大值归一化方法，而[-1，1]方法与除最大值方法之外的方法归一化效果相比也没有优势，因此选择最大值归一化方法进行数据预处理。