《表3 2 0 1 3 年1月28日至2月3日三种方法的日前预测误差》

  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

《基于条件互信息的低冗余短期负荷预测特征选择》

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2和表3分别为与图8和图9所对应的预测误差.对于小时前预测，最优预测模型分别为CMI-GPR，CMI-SVR，PCC-BPNN，预测误差分别为0.579%，0.628%，0.816%，以CMI-GPR的预测精度最高.而对于日前负荷预测，最优预测模型分别为CMI-GPR，MI-SVR，PCC-BPNN，预测误差分别为2.283%，3.861%，5.865%，仍以CMI-GPR的预测精度最高，说明采用所提方法在提升负荷预测精度上的优势.