《表4 出水BOD预测实验神经网络模型性能对比》

  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

《基于互信息和自组织RBF神经网络的出水BOD软测量方法》

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

（1） 结果引自文献[14]。注:黑体代表最优结果。

为了进一步评价ESRBFNN的性能，将该方法与已有的自组织神经网络（如ErrCor-RBF[17]、MRAN[27]、GGAP-RBF[29]、FS-RBFNN[14]等）进行比较，结果参见表4及图5。由于本文使用基于互信息的方法提取出10个特征参量作为软测量模型的输入，而在对比网络模型MRAN、GGAP-RBF、FS-RBFNN中，文献中均基于人工经验选取了5个特征参量:进水COD浓度、生化池MLSS、进水pH、进水油类和进水氨氮浓度。为了便于对比，本文同时列出了利用以上5个特征参量作为输入的ESRBFNN模型所得到的预测结果，在图表中分别以ESRBFNN-5、ESRBFNN-MI代表输入为5个基于人工经验的特征参量和基于互信息方法提取出的10个特征参量。