《表1 绝对相对预测误差对比Tab.1 Comparison of absolute relative error among three models》
在季节变化时,日用水量一般会有较大变化,预测难度较大,因此,分别利用以上3个模型预测该城市2008年四季改变后一周的日用水量(3月1日—7日、6月1日—7日、9月1日—7日、12月1日—7日),以进一步验证本文提出模型的有效性,得到的预测结果见表1.可以看出,对于28日中每一天的预测结果,基于SADELSSVM模型预测精度最高,基于DELSSVM模型预测精度第二,基于SAGALSSVM模型预测精度则最差.基于SADELSSVM模型预测的平均绝对相对误差为3.56%,绝对相对误差的最大值为6.7%(9月1日).基于DELSSVM模型预测的平均绝对相对误差为4.07%,绝对相对误差的最大值为7.1%(6月1日).基于SAGALSSVM模型预测的平均绝对相对误差为4.49%,绝对相对误差的最大值为8.3%(6月1日).由于3月1日、3月2日、6月1日、6月2日、9月1日、9月2日、12月1日和12月2日与以前的日用水量相差较大,3个模型对8日的预测误差都较大,但是具有较强全局寻优能力的SADE算法仍能根据历史数据搜索到较优参数,因此,基于SADELSSVM模型对该8日的预测误差较小.由于DE算法寻优能力较差,SAGA算法寻优能力最差,基于DELSSVM模型对该8日的预测误差较大,基于SAGALSSVM模型对该8日的预测误差最大.
图表编号 | XD0024763800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.30 |
作者 | 陈磊、陈李 |
绘制单位 | 浙江工业大学建工学院、浙江工业大学建工学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 绝对相对预测误差对比Tab.1 Comparison of absolute relative error among three models”的人还看了
- 表7 实验2中四类数据集下根据自适应因素分类对比的绝对误差率和准确率Fig.7 Classification and comparison of absolute error rate and accuracy according to a
- 表5 两种方法矿井涌水量实测值的相对误差对比Tab 5 Comparison of Relative Error Between Measured Values of Mine Water Inflow by Two Methods
- 表1 两组三维方向的绝对摆位误差比较Tab.1 Comparison of absolute set-up error of three-dimension-al direction between 2 groups