《表A2预测误差对比：基于门控循环单元网络与模型融合的负荷聚合体预测方法》
提示：宽带有限、当前游客访问压缩模式
| 图表编号 | XD0030116100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.10 |
| 作者 | 陈海文、王守相、王绍敏、王丹 |
| 绘制单位 | 智能电网教育部重点实验室(天津大学)、智能电网教育部重点实验室(天津大学)、智能电网教育部重点实验室(天津大学)、智能电网教育部重点实验室(天津大学) |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 采样范围及间隔：用门控循环单元实时预测空战飞行轨迹》2020.11.01
- 《表2 平均相对误差：用门控循环单元实时预测空战飞行轨迹》2020.11.01
- 《表2 模型预测误差：基于深度置信网络的互联网流量预测方法》2020.10.15
- 《表2 本文模型预测误差：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表3 各预测模型误差：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表1 各分量模型参数：基于变分模式分解和深度门控循环网络的风速短期预测模型》2018.12.25
- 《表1 优化模型参数：基于多源数据和模型融合的超短期母线负荷预测方法》2021.01.05
- 《表6 不同模型的拟合度：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表4 时间序列数据特征：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表1 原始数据格式：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表3 站点信息表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表2 到站时间表：基于门控循环单元神经网络的公交到站时间预测》2020.06.20
- 《表4 分类结果混淆矩阵：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表3 实验训练参数：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表2 实验数据统计：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表1 误差对比：基于MEEMD加窗改进方法与GRNN组合的电力负荷预测》2019.12.15
- 《表1 性能评价结果：基于门控循环网络的海浪波倾角预测研究》2019.05.01
- 《表3 负荷预测误差对比：基于长短期记忆神经网络的暖通空调系统能耗预测》2019.02.01
- 《表1 模型预测性能：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10
- 《表A1模型预测性能：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10