《表4 模拟结果统计量对比》

  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

《水库群运行的改进深度神经网络模拟方法》

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

表4给出了Adam-DNN自适应矩估计深度神经网络和BP神经网络调度模拟模型结果统计量对比，可以看出，本文提出的Adam-DNN方法在各个水库的模拟结果精度上均有明显提高，各水库模拟下泄流量的平均相对误差均在11%以下，平均绝对误差均在160m3/s以内，且拟合优度R2均在0.98以上，其模拟结果更逼近实际运行工况，能有效地模拟出上游水库的运行过程；此外，AdamDNN运行模拟模型在溪洛渡入库流量模拟精度和性能上也有优良表现，平均相对误差5%，绝对误差208.55 m3/s，均方根误差302.28，拟合优度0.99以上，四项统计指标均优于BP神经网络的模拟结果。结果证明，本文提出的水库群运行自适应矩估计改进深度神经网络模拟方法能更准确的模拟和刻画水库群调度运行规律，可为上游水库运行方式未知情况下溪洛渡水库调度计划编制提供依据。