《表3 模型单点误差对比：基于数据挖掘与支持向量机的现货市场出清价预测方法》

  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

《基于数据挖掘与支持向量机的现货市场出清价预测方法》

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

为证明模型的有效性，与不考虑相似性生成训练集的同时段SVM方法（对比模型）进行比较。其中，对比模型除了训练集数据不同，其余过程均与本文提出模型相同。对比模型以2019年11月20日到2019年11月25日为训练集数据训练SVR，以2019年11月26日到2019年11月30日为测试集数据，得出2019年12月1日同时段的预测出清价。此外，多层反向传播（back propagation，BP）神经网络作为前向网络的核心部分，体现了人工神经网络的精华[20-22]，因此被广泛应用于时间序列预测。本文也运用BP神经网络进行了对比预测，参数设置如下：学习速率0.05；最大训练次数为100次；允许均方误差为0.005；隐含层神经元设置为2层，第一层神经元数为5，第二层神经元数为5。训练集、测试集数据与对比模型相同。预测结果见表3及表4，3种模型预测值与实际值对比见图5。