《表2 不同算法的预测误差》
提示：宽带有限、当前游客访问压缩模式
由表2可知，改进的多工况模型无论在相同或不同时期工况下，对比于传统建模算法的预测误差有明显的减小，预测精度有效提升，且具有较好的泛化能力。
| 图表编号 | XD002562800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 王通、段泽文 |
| 绘制单位 | 沈阳工业大学电气工程学院、沈阳工业大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同算法的长期预测结果及误差》2021.02.01
- 《表2 不同算法的短期预测结果及误差》2021.02.01
- 《表2 各算法模型预测误差》2021.02.10
- 《表2 不同优化算法预测误差》2021.03.20
- 《表1 不同优化算法预测误差》2021.03.20
- 《表1 不同算法对混合气体预测的相对误差对比》2021.01.20
- 《表6 不同预测算法误差结果对比》2020.06.01
- 《表2 利用LM算法改进后的神经网络预测误差数据表》2020.05.15
- 《表1 使用不同优化算法对LSTM搭建的网路进行行预测的平均RMSE误差》2020.08.08
- 《表3 利用不同预测算法得到的负荷与光伏功率预测误差》2020.04.20
- 《表2 各算法预测血压的均方根误差》2020.03.01
- 《表2 不同模型误差对比：基于布谷鸟-Elman算法的光伏发电预测》2020.03.28
- 《表1 不同算法的预测误差》2020.03.25
- 《表1 3种不同组合算法的风电功率预测误差对比》2019.09.01
- 《表3 不同算法的各个预测误差》2019.07.20
- 《表2 3种算法24 h预测误差》2019.05.31
- 《表2 各模型预测的误差：基于PSO-ELM算法的输变电工程造价预测分析》2019.04.25
- 《表4 各模型预测算法的相对预测误差》2018.08.10
- 《表2 与现有算法预测值的最大误差比较 (eMAX/°C)》2018.11.01
- 《表2 误差分析：基于遗传算法优化BP神经网络的接触网磨耗预测》2019.12.30