《表2 不同预测方法的结果对比》

  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K-SVD-OMP的稀疏表示方法在电力负荷预测中的应用》

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

此外，本文方法与文献[24]所提方法的结果相比较，其预测精度也较优。表2还给出了不同稀疏表示算法结合KELM、SVM、ELM在训练时的CPU运行时间开销比较，与单一预测方法相比，其训练时间略有增加，其中，DCT-OMP算法结合ELM方法的计算效率最高，K-SVD-OMP算法结合ELM方法的计算效率次之，但与K-SVD-LASSO算法相比，K-SVD-OMP算法的计算效率又略优之。总体来看，在训练时间的耗时上，基于稀疏表示的特征提取算法作为预测模型的预处理手段还是可以满足实际需求的。