《表2 2 0 1 3 年1月28日至2月3日三种方法的小时前预测误差》

  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4和表5给出了在测试集下不同特征选择方法结合不同预测器，分别开展小时前预测与日前预测的误差.由表可见，日前预测的误差要大于小时前预测的误差，但无论结合何种特征选择方法，以GPR为预测器的预测方法准确率仍然高于基于BPNN与SVR的预测方法.同时，CMI-GPR的预测方法整体精度最高.在进行小时前预测时，其MAPE为0.546%；在进行日前预测时，其MAPE为2.415%.因此，表2实验结果验证了GPR预测器的预测精度优势，及采用CMI为特征选择方法的有效性.