《表1 绝对相对预测误差对比Tab.1 Comparison of absolute relative error among three models》

  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

《差分进化最小二乘支持向量机法预测日用水量》

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

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.